Steganalysis of neural networks based on parameter statistical bias

Many pretrained deep learning models have been released to help engineers and researchers develop deep learning-based systems or conduct research with minimall effort. Previous work has shown that at secret message can be embedded in neural network parameters without compromising the accuracy of the model. Malicious developers can, therefore, hide malware or other baneful information in pretrained models, causing harm to society. Hence, reliable detection of these vicious pretrained models is urgently needed. We analyze existing approaches for hiding messages and find that they will ineluctably cause biases in the parameter statistics. Therefore, we propose steganalysis methods for steganography on neural network parameters that extract statistics from benign and malicious models and build classifiers based on the extracted statistics. To the best of our knowledge, this is the first study on neural network steganalysis. The experimental results reveal that our proposed algorithm can effectively detect a model with an embedded message. Notably, our detection methods are still valid in cases where the payload of the stego model is low.     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

基础研究空间网络关联结构及影响因素分析

以我国31个省区市2009—2018年国家自然科学基金面上项目为样本,采用改进的引力模型构建省区市之间的基础研究关联关系,在此基础上利用社会网络分析模型分析我国省区市之间基础研究的空间网络结构演化及影响因素。研究表明:网络整体的空间关联性逐步增强,网络效率呈现出平缓的下降趋势;东部沿海经济发达地区并未利用自身的优势对其他地区产生推动作用。基础科研空间关联网络划分为双向溢出、经纪人、净溢出和净受益4个板块,板块内部的联系要大于板块之间的联系。地理位置临近、申请机构数量、科研人员、正副高职数量对基础科研的空间关联结构有显著性影响。     

路基非饱和土动态回弹模量计算模型对比研究

作为路面结构设计的关键参数,对动态回弹模量的可靠计算一直是工程界不断探索的课题。本文收集并分析国内外已有关于路基土回弹模量的计算模型,根据自变量的不同属性,将计算模型归为两大类,第一类为将应力水平作为变量(I型),第二类是将表征湿度状态的基质吸力作为变量,这其中又分为两个子类,一是将基质吸力引入耦合到应力变量中(II1型)；二是将基质吸力剥离出来作为独立变量(II2型)。然后结合2种土样的循环动三轴试验数据,对3类计算模型的可靠性及适用性进行对比评价。结果表明：将基质吸力作为单独变量(II2型)的计算模型能更真实的反映非饱和路基土动态回弹模量的变化规律,拟合度较高。     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

基于WDM-PON架构的5G前传系统中的FWM效应

为了应对快速增长的带宽需求，解决非线性效应限制波分复用无源光网络（wavelength-division multiplexing passive optical network，WDM-PON）系统的传输距离和信道容量，尤其是四波混频（four-wave mixing，FWM）效应的问题。通过实验与仿真研究了25 Gb · s^-1 · λ^-1非归零码（non-return-to-zero，NRZ）信号经过25 km标准单模光纤（standard single-mode fiber，SSMF）传输时，FWM效应对系统所产生的影响。仿真结果表明，在信道间隔为200 GHz的12个波长传输系统中，除了第一个和最后一个信道之外，其他信道误码率（bit error rate，BER）都不能达到前向纠错码（forward error correction，FEC）的门限1.0 × 10^-3。因此，在制定5G前传系统波长分布和信道间隔时，应充分考虑FWM串扰。     

一类具有饱和发生率和心理作用的随机SIR传染病模型

考虑一类受环境噪声影响, 具有饱和发生率和心理作用的随机SIR传染病模型. 通过构造Lyapunov函数并利用Ito公式, 得到该模型正解的全局存在唯一性, 并证明： 当随机基本再生数R*≤1时, 无病平衡点是随机渐近稳定的, 此时疾病将灭绝； 当R*>1时, 疾病将随机持续下去. 数值模拟结果验证了理论结果的正确性.     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法，利用带通滤波对原始心电数据进行降噪处理，实现QRS波群定位和心拍截取；设计7层的一维卷积神经网络（convolutional neural network，CNN）模型，对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测，从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练，结果显示，其准确度为9900%，召回率为9908%；与相关文献的研究方法对比，本方法具有较高识别精度，能有效解决人工对心电图识别的误诊、错诊问题。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.