基于贝叶斯生成对抗网络的换向器表面缺陷检测方法

针对换向器表面检测面临缺陷类型多样、样本少等问题,提出了一种基于贝叶斯生成对抗网络的换向器缺陷检测方法,该方法包括两个阶段:第一阶段利用贝叶斯生成对抗网络对样本进行数据增强,第二阶段利用分类网络与分割网络结合的方式对缺陷进行检测;在缺陷检测模块中,分割网络输出预测缺陷位置热图,将其作为注意力机制融入分类网络,从而提高分类网络精度。     

ParallelGAT:网络谣言检测方法

[研究目的]社交媒体平台在促进多元信息交互的同时,也助推了谣言的快速传播。如何准确、及时地发现谣言,已成为多领域学者共同关注的热点问题。最新的谣言检测研究表明,基于谣言传播结构的方法能够捕捉丰富的谣言传播特征,提升谣言检测准确率,而基于外部证据推理的方法可以在传播数据不充分的情况下判别谣言真假,提高谣言检测的时效性。[研究方法]为实现谣言检测准确率和时效性的同步提升,本研究结合这两种方法的优势,提出了基于并行图注意力网络的谣言检测方法ParallelGAT。ParallelGAT由两个图注意力网络模型BiGAT和MlGAT并行构成。其中,BiGAT模型通过引入注意力机制以捕捉重要的谣言传播和散布特征;MlGAT模型通过在外部知识中增加多头注意力机制以获取关键的外部句子级证据知识和词语级证据知识;BiGAT和MlGAT的输出特征向量最终通过聚合模块生成谣言检测标签。[研究结论]在公开数据集上的实验结果显示,该文提出的模型优于现有的方法。     

结合微博内外多粒度语义的 BiLSTM-CNN-ECA谣言检测模型

[目的/意义]为了解决因微博文本多义性和复杂性导致的谣言检测中语义特征提取不全面的问题,提出了一种结合微博内外多粒度语义的BiLSTM-CNN-ECA模型。[方法/过程]首先,对微博文本从字词句三个粒度级别建模,运用双向长短期记忆网络提取微博内部语义特征,生成事件字向量矩阵和事件词向量矩阵;然后,拼接事件句向量矩阵形成三维文本特征矩阵,输入多尺度卷积神经网络,并行提取微博之间的依赖关系特征;最后,引入高效通道注意力模块赋予通道权重,进行微博谣言检测。[结果/结论]构建的三维文本特征矩阵有机结合了各粒度文本的语义特征贡献,包含更多、更全面的微博语义信息;ECA可有效捕获通道间重要信息,进一步提高了多尺度CNN模型对谣言检测的准确率。     

网络谣言的认知与政府应对策略研究

政府在网络谣言的防范与治理中,肩负着网络谣言监测、预警、疏导和管理的职能。当网络谣言产生时,政府能否及时启动应急预案,利用自身权威的优势,多渠道、迅速高效的满足公众对信息的需求,进行符合逻辑的,态度诚恳的辟谣,直接决定着网络谣言的影响广度和深度。本文结合不同阶段网络谣言的传播规律,从政府行动、网络谣言受众和传播媒介3个方面进行分析,以期为政府的辟谣策略提供有益的参考。     

外部多网络对抗中注入性入侵的检测模型

在网络对抗中同时存在多种注入性入侵的情况下,需要及时准确地检测出入侵的恶意程序。传统的检测方法需要提取数据库中所有恶意程序样本特征参数进行比对,由于外部注入的恶意程序的与传统入侵特征不同,伪装水平较高,使得恶意程序特征与正常程序特征难以分别,检测结果准确性降低,导致军事网络安全受到严重威胁。为此,提出一种基于特征优化算法的外部多网络对抗中注入性入侵检测方法。根据主要特征分析方法,能够得到注入性入侵恶意程序的主要特征,利用注入性入侵特征映射条件,能够得到注入性入侵的检测模型,实现了网络对抗中注入性入侵的检测。实验结果表明,利用该算法能够准确的检测出网络对抗中注入性入侵的恶意程序,效果令人满意。     

基于焦虑视角的受众网络健康谣言转发意愿研究

[研究目的]人们越来越多通过社会化媒体来获取健康信息,但网络健康谣言容易被用户大量转发,网络健康谣言治理需要深入分析受众谣言转发行为机制。[研究方法]该文以S-O-R模式为框架,构建了影响受众转发谣言意愿的模型,并采用实验法予以证明。[研究结论]结果发现恐惧型健康谣言较之期望型健康谣言具有更高传播意愿,焦虑是影响健康谣言转发的中介变量,此外信息涉入度和网络健康素养分别对焦虑感和谣言转发具有调节效应。     

网络谣言的特征、成因与治理

阐述了网络谣言的内涵,并从谣言和网络两个方面描述了网络谣言的内涵特征;分析了产生网络谣言的多种因素——事件自身因素、传播载体因素、传播主体因素、网络“粉丝”文化因素和社会情境因素;提出了对网络谣言进行治理的若干建议,即应从及时公开相关信息、建立网络谣言预警机制等方面综合处置。     

网络信息环境的特征

作者将用户认知信息的因特网交互活动及其相关因素作为一个统一的整体来看待，在此基础上提出了网络信息环境的概念，并进一步剖析了网络信息环境的诸多特征。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

基于受众画像的新型耦合社交网络谣言传播模型研究

[目的/意义] 移动互联网时代谣言传播模式发生了巨大的变化,一方面谣言的扩散已不再局限于孤立的线下人际关系网络或线上互联网,谣言在耦合网络之间的传播变得更加普遍。另一方面,以往通过概率方式研究谣言的传播存在很大的不准确性,受众的个体特征差异对谣言的传播起到了更重要的作用。本文针对上述现象进行了研究。[方法/过程] 以受众的年龄作为两种网络的耦合依据,提出基于受众年龄的新型谣言传播的耦合社交网络（ASCN）。从受众的认知能力、匿名程度、权威性等基本特征,以及受众的从众心理、记忆效应、好友的影响作用等心理特征方面对受众进行画像,构建多维度函数实现基于受众画像的谣言传播模型。[结果/结论] 基于ASCN对本文提出的模型进行模拟仿真。结果表明,ACSN能够真实地反应出当前网络环境下谣言传播呈现出的"线下引起线上共鸣"、"线上溢散线下"的特征;受众的基本特征和心理特征能够对谣言传播产生巨大的影响,能更好地反映社交网络中谣言的传播规律。     

突发公共事件下社交网络谣言辟谣效果评价及实证研究

[目的/意义]社交网络已成为当前用户信息传播的重要媒介,突发公共事件期间由于网民对事件的高关注度及社交网络平台信息交互过程的独特性,社交网络谣言的快速传播对社会稳定和安全造成了一定的风险。评价社交网络谣言辟谣效果对于网络安全治理极为重要。[方法/过程]基于信息生态理论视角,从信息人、信息、信息环境和信息技术4个维度构建社交网络谣言辟谣效果评价指标体系,运用德尔菲专家咨询法和层次分析法进行指标权重计算,并采用优劣解距离法结合3个辟谣话题展开实证研究。[结果/结论]实证研究证明了所构建评价指标的有效性,评价指标可为辟谣平台更好地提升辟谣效果提供一定的指导,协助舆情监管部门进一步净化网络空间。     

群体性事件的谣言特征——以石首事件为例

在群体性事件中谣言通常作为一种异化的人际传播而存在,它往往在群体性事件中起着催化剂的作用。为有效控制群体性事件中的谣言传播,就需要对谣言特征进行分析。基于此,本文以石首事件为例,分析了群体性事件中谣言的特征。     

BotNet环境下的计算机网络对抗模型

阐述BotNet的发展,给出其基本定义、分类和实现过程.提出将BotNet融入计算机信息对抗体系之中的现点.依据计算机网络对抗理论划分C4ISR系统,抽象得到网络对抗模型.对Agobot实例进行分析,探讨模型中的功能.最后指出BotNet在网络对抗研究中存在的问题与进一步研究的建议.     

网络谣言信息情绪化传播行为的意愿研究*--基于社会热点事件视角

针对社会热点事件网络谣言信息传播行为,从犯罪心理学角度出发,运用犯罪学领域中和技术和威慑理论,分析网络环境下,人们对网络谣言信息情绪化传播时对中和技术的运用,以及正式惩罚和非正式惩罚在规范网络谣言信息情绪化传播行为中的作用。在此基础上,提出研究假设,运用结构方程模型( SEM)方法构建理论模型,实证分析人们信息网络情绪化传播行为的动机。结果表明：中和技术理论与社会热点事件网络谣言信息情绪化传播意愿正相关,会增强人们对社会热点事件网络谣言信息情绪化传播的意愿,正式惩罚、非正式惩罚和羞愧惩罚有显著负相关,会在一定程度上约束人们社会热点事件网络谣言信息情绪化传播行为的意愿。     

基于信息融合的分布式入侵检测体系结构研究

随着计算机与网络技术的发展,入侵技术也越来越先进。许多入侵行为都具备反检测的能力,这些行为会模仿被入侵体系的正常用户行为或通过多台主机联合攻破被入侵系统。针对较复杂的入侵行为,仅靠一个传感器来提供信息很难与正常用户行为进行识别,必须通过多传感器信息融合的方法来提高对入侵的识别能力,同时降低误判率。     

浅谈高校图书馆网络信息资源融合

在国家出台《加快推进电信网、广播电视网、互联网三网融合决定》的背景下,全面深入研究网络信息资源的融合问题,破解影响网络信息资源的融合利用瓶颈,寻求融合方法、模式,技术、提供有效质量保障措施,已成为情报信息工作者新的研究课题。笔者从高校图书馆网络信息资源融合的含义、意义、注意事项等方面进行深入分析,提出个人意见。     

基于多模态特征融合的社交媒体虚假新闻检测

【目的/意义】社交媒体在改变新闻传播以及人类获取信息方式的同时,也成为了虚假新闻传播的主要渠 道。因此,快速识别社交媒体中的虚假新闻,扼制虚假信息的传播,对净化网络空间、维护公共安全至关重要。【方 法/过程】为了有效识别社交媒体上发布的虚假新闻,本文基于对虚假新闻内容特征的深入剖析,分别设计了文本 词向量、文本情感、图像底层、图像语义特征的表示方法,用以提取社交网络中虚假新闻的图像特征信息和文本特 征信息,构建多模态特征融合的虚假新闻检测模型,并使用MediaEval2015数据集对模型性能进行效果验证。【结果/ 结论】通过对比分析不同特征组合方式和不同分类方法的实验结果,发现融合文本特征和图像特征的多模态模型 可以有效提升虚假新闻检测效果。【创新/局限】研究从多模态的角度设计了虚假新闻检测模型,融合了文本与图像 的多种特征。然而采用向量拼接来实现特征融合,不仅无法实现各种特征的充分互补,而且容易造成维度灾难。