孙浩
- 作品数：17 被引量：90H指数：5
- 供职机构：国防科技大学更多>>
- 发文基金：国家自然科学基金中国人民解放军总装备部预研基金更多>>
- 相关领域：自动化与计算机技术天文地球电子电信军事更多>>
- 一种适用于MATLAB与OPNET联合仿真的视频评估算法
- 2018年
- 为解决目前OPNET无法综合评估战术互联网视频业务的缺陷,提出了引入视频评估算法进而利用MATLAB与OPNET进行联合仿真评估的新思路,重点通过仿真讨论了目前常用视频评估算法的优劣,指出VQM算法具有较高的评估准确性。鉴于VQM算法参数取值不精确的弊端,提出用超定方拟合的方法对算法进行优化,仿真结果显示优化后的算法评估准确性较高,可以成为MATLAB与OPNET联合评估的建模依据。
- 孙浩蔡晓霞陈红
- 关键词：OPNET联合仿真
- 基于轻量深度神经网络的遥感影像多目标快速检测
- 基于深度神经网络的表示学习方法近年来在计算机视觉、语音信号处理和自然语言处理等领域取得巨大成功。在近景视觉影像多目标检测方面,以区域卷积神经网络为代表的深度模型方法不断刷新公开数据集上的性能水平。随着高分重大专项的持续深...
- 孙浩邓志鹏雷琳计科峰匡纲要
- 关键词：深度网络目标检测遥感影像
- 文献传递
- 深度卷积神经网络图像识别模型对抗鲁棒性技术综述被引量：21
- 2021年
- 近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。
- 孙浩陈进雷琳计科峰匡纲要
- 关键词：信息安全
- 多模态图像智能目标识别对抗攻击被引量：5
- 2021年
- 基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。
- 拓世英孙浩林子涵陈进
- 基于多模型正交化的深度图像识别对抗鲁棒性增强技术
- 2024年
- 近年来,深度神经网络(Deep Neural Networks,DNN)已被广泛应用于图像识别,目标检测,图像分割等多种计算机视觉任务中,并取得了巨大成功。然而,DNN模型因其本身的脆弱性,仍面临着对抗攻击等技术手段带来的安全隐患。攻击者在图像上恶意地添加微小且人眼难以识别的扰动,可以让模型产生高置信度的错误输出。针对上述问题,集成多个DNN模型来提升对抗鲁棒性已成为有效的解决方案之一。但是,对抗样本在集成模型中的子模型间存在对抗迁移现象,可能使集成模型的防御效能大大降低,而且目前仍缺乏能够降低集成防御内部对抗迁移性的直观理论分析。本文引入损失场的概念并定量描述DNN模型间的对抗迁移性,重点关注和推导对抗迁移表达式的上界,发现促进模型损失场之间的正交性以及降低模型损失场的强度(Promoting Orthogonality and Reducing Strength,PORS)可以限制其上界大小,进而限制DNN模型间对抗迁移性。本文引入PORS惩罚项至原损失函数中,使集成模型能够保持在原始数据上的识别性能的同时,通过降低子模型间的对抗迁移性来增强整体的对抗鲁棒性。文章在CIFAR-10和MNIST数据集上对由PORS训练得到的集成模型开展实验,分别在白盒和黑盒攻击环境下与其他先进的集成防御方法进行对比实验,实验结果表明PORS可以显著提高对抗鲁棒性,在白盒攻击和原始数据集上能保持非常高的识别精度,尤其在黑盒迁移攻击中极为有效,在所有集成防御方法中表现最为稳定。
- 逯子豪徐延杰孙浩计科峰匡纲要
- 关键词：图像识别
- 带预加重的2.5D封装内片间接口驱动器设计
- 封装内片间输入输出接口是2.5D集成的关键技术.本文主要研究2.5D集成中广泛使用的硅基板Silicon Interposer传输线特性，针对单端线及差分线进行性能比较.由于硅基板传输线特性与片上长互联线特性类似，所以参...
- 朱文峰赵振宇张民选周康蒋剑峰邓全孙浩
- 关键词：接口驱动器
- 基于路径加权的军事通信网波动性评估算法被引量：1
- 2018年
- 波动性是网络拓扑层抗毁性的一项重要参考指标。针对军事通信网拓扑层波动性评估问题,将传统评估算法改进后提出了一种基于路径加权的新算法。不再将网络所有链路的重要程度等量齐观,而是通过网络节点间两两通信,计算出每条链路的权值进而得到与链路相连节点的权值(波动性度量值),用所有节点权值的均方差评估网络波动性。最后基于布尔行列法对复杂网络路由探寻的准确性,分别将新算法与传统算法应用于复杂网络波动性评估并进行比较。结果表明:传统评估算法具有不准确性,而新的算法不仅评估量化更为细致,而且对节评估准确无误,新算法完善可靠。
- 孙浩蔡晓霞陈红
- 关键词：军事通信网
- 基于稀疏差分协同进化的多源遥感场景分类攻击被引量：2
- 2021年
- 随着深度学习技术的迅猛发展,各种相似的骨干网络被用于多源遥感分类任务中,取得了很高的识别正确率。然而,由于神经网络极易受到对抗样本的攻击,这给遥感任务带来了很高的安全隐患。以往的对抗攻击方法可有效攻击单波段遥感图像的分类器,但不同波段的攻击并不耦合,这导致现有方法在现实世界中难以用于多源分类器的攻击。针对多源遥感的特性,本文提出了一种新的基于稀疏差分协同进化的对抗攻击方法:投放一定数量包含稀疏多源噪声信息的种子,通过限定噪声点在多源遥感中具有相同位置,实现多源对抗攻击的耦合,按种子信息制作对抗样本,利用上一代的种子(父代)进行变异与交叉,产生新的种子(子代),同样制作对抗样本,综合比较多源对抗样本的攻击效果,保留效果更好的种子,重复此过程,最终可得到高度耦合且攻击效果最好的多源遥感对抗样本。实验证明了本文方法的可行性:在单点攻击下,61.38%的光学图像和38.93%的合成孔径图像被成功转化为对抗样本,光学和合成孔径分类器中都无法正确识别的区域从5.83%升至55.10%。
- 徐延杰孙浩雷琳计科峰匡纲要
- 关键词：多源遥感图像分类协同进化
- 多源遥感影像深度识别模型对抗攻击鲁棒性评估
- 2023年
- 基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而,由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响,使得现有识别系统在对抗攻击鲁棒性方面评估不足,存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险,并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次,针对光学遥感影像和SAR遥感影像两类典型数据形式,从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估,覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法,验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题,分析了对抗样本与正常样本的多隐层特征激活差异,为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。
- 孙浩徐延杰陈进雷琳计科峰匡纲要
- 关键词：特征可视化
- 基于自监督对比学习的深度神经网络对抗鲁棒性提升被引量：7
- 2021年
- 基于深度神经网络的多源图像内容自动分析与目标识别方法近年来不断取得新的突破,并逐步在智能安防、医疗影像辅助诊断和自动驾驶等多个领域得到广泛部署。然而深度神经网络的对抗脆弱性给其在安全敏感领域的部署带来巨大安全隐患。对抗鲁棒性的有效提升方法是采用最大化网络损失的对抗样本重训练深度网络,但是现有的对抗训练过程生成对抗样本时需要类别标记信息,并且会大大降低无攻击数据集上的泛化性能。本文提出一种基于自监督对比学习的深度神经网络对抗鲁棒性提升方法,充分利用大量存在的无标记数据改善模型在对抗场景中的预测稳定性和泛化性。采用孪生网络架构,最大化训练样本与其无监督对抗样本间的多隐层表征相似性,增强模型的内在鲁棒性。本文所提方法可以用于预训练模型的鲁棒性提升,也可以与对抗训练相结合最大化模型的“预训练+微调”鲁棒性,在遥感图像场景分类数据集上的实验结果证明了所提方法的有效性和灵活性。
- 孙浩徐延杰陈进雷琳计科峰匡纲要
