王保利
- 作品数：3 被引量：0H指数：0
- 供职机构：中国科学院计算技术研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多模态深度融合的假消息检测
- 2022年
- 智能检测虚假信息是社交网络中需要解决的重要任务之一。本文旨在识别同时包含图像和文字的多模态虚假消息。目前,针对多模态的虚假消息检测已有一些成果,但现有模型通过直接拼接各模态特征方式实现多模态利用,忽略了图像和文件之间的关系,无法有效地学习消息中文字和图像的深度融合表示,导致该种类型的虚假消息检测方法表现不佳。本文提出基于预训练模型的多模态融合假消息检测方法,充分利用社交媒体中大量的含有多模态数据的消息,实现对假消息的有效检测,通过不同的训练任务加强模型融合多模态信息的能力,最终学习一个多模态信息的表示辅助假消息识别。在新浪微博真实数据集上的实验结果表明,本文提出的基于预训练的检测模型取得了比当前主流方法更优的效果,同时,本文采用的模型能够缓解训练集和测试集分布不均衡导致的检测准确率下降问题。
- 景全亮范鑫鑫王保利毕经平毕经平
- 关键词：多模态融合社交网络
- 基于DSSIM非范数约束增强的对抗训练方法
- 2023年
- 针对当前对抗训练(AT)中存在的鲁棒过拟合问题,即在对抗训练超过一定轮次后,网络模型对抗防御能力出现不升反降的现象,本文提出了一种基于结构相异性非范数约束增强的对抗训练方法(DSSIM-AT)。该方法将非范数约束引入到对抗训练过程中用于对抗样本生成,根据样本间的结构相异度剔除对抗样本中的无语义特征,使得生成的对抗样本更适合于对抗训练。该方法进一步设计了梯度异步更新机制,优化对抗样本生成与模型参数更新耗时问题。实验结果表明,该方法可有效缓解对抗训练鲁棒过拟合情况,相比于已有对抗训练方法,可以将CIFAR-10数据集上的干净样本识别准确率提高约3%,同时对抗样本识别准确率提高约4%~8%。
- 王保利王保利景全亮毕经平
- 基于Chatbot的网络管理及安全事件处置方法研究
- 2017年
- 随着网络设备与网络架构的发展越来越多元化和复杂化,政府、企业、军队等机构的网络管理及安全事件处置方法也亟待优化改进。针对这些问题,本文提出了一种基于Chatbot的网络管理及安全事件处置方法,通过借助Chatbot的智能化交互特性,可有效地辅助网络管理、优化安全事件处置流程、减小经济成本及提高工作效率。
- 王璐李鹤王保利
- 关键词：网络管理安全事件
