MMMay, 2020

Tor 暗网中可疑内容的分类

PDF
TL;DR本文探讨了利用语义关注关键点过滤自动分类暗网图像的方法，并在定制的 Tor 图像数据集上使用该方法测试，与 CNN 特征和 BoVW 方法相比，达到了高达 87.98% 的准确率，是一种较为有效的方式。
darknetcriminal activityautomatic classificationsemantic attention keypoint filteringobject of interest
发现论文，激发创造
  • 应用感知哈希进行 Tor 域名识别

    本研究通过引入一种新型的感知哈希方法 —— 频率主导邻域结构（F-DNS），来帮助自动分类暗网 Tor 服务的域名，并在评估中证明了其在恢复、旋转等多种情况下的优越性，实现了 98.75% 以上的查准率。

    May, 2020

  • 使用深度学习进行暗网活动分类

    本文介绍了如何利用深度学习技术，提出了一种可用于控制黑暗网络非法活动的搜索引擎，该系统能够检测和提取与黑暗网络中违法活动有关的图像。作者创建了一个名为 darkoob 的全面数据集，并在测试数据集上实现了 94% 的准确性，这项技术有望缓解非法活动带来的各种社会、经济和政治挑战，是联网和社区安全领域的重要技术进步。

    May, 2023

  • Neural-FacTOR: TOR 匿名下的网站指纹识别攻击的神经表征学习

    本文提出了一种基于卷积神经网络的网站指纹识别攻击模型，实现了对 TOR 网络中的网站匿名性的破解，相比现有方法提高了 12.21% 的准确率。

    Sep, 2022

  • 可见暗网的结构与内容

    本文分析了可通过 Tor 访问到的一组网站即 “暗网” 中的拓扑结构和内容。作者使用监督式机器学习的方法对内容进行分类，研究发现显示的暗网内容中大约有一半属于合法活动，而不合法内容主要分布在欺诈网站、销售假冒产品和毒品市场上。

    Nov, 2018

  • SpotNet: 自注意力多任务网络用于目标检测

    本研究旨在通过多任务学习方式训练一个网络实现视觉注意力，使用半监督学习方式生成前 / 背景分割标签，进而训练目标检测模型，利用分割地图实现自我注意机制，获得在交通监控领域两个数据集上显著的 mAP 改进，UA-DETRAC 和 UAVDT 数据集上均实现了最先进的结果。

    Feb, 2020

  • SFD2: 语义引导的特征检测与描述

    本文提出了一种将高级语义隐式嵌入到检测和描述过程中的语义感知检测器来提高视觉定位准确度的方法，大幅降低了对于外观变化敏感的特征数量，增强了与语义相关的区域的描述符辨别能力，该方法在 Aachen Day-Night 和 RobotCar-Seasons 数据集上的实验表明，在使用 2k 和 4k 关键点的情况下，与先前的本地特征相比，我们的模型表现更好，且速度更快。

    Apr, 2023

  • SIViDet: 高效武器暴力检测的显著图像

    为了提高智能城市安全的效率性，本研究提出了一个聚焦于武装暴力、非武装暴力和非暴力事件的新数据集，同时提出了一种基于数据的新方法用于图像分类，以提高智能城市中武器检测的性能。经过实验，该方法可高效地检测和区分带武器和不带武器的暴力事件，达到 99% 的性能。

    Jul, 2022

  • WebSeg：从网络搜索中学习语义分割

    本文提出一种能够无需依赖显式用户注释的 Flickr 图像，通过利用一些低级线索（如显著性、边缘等）生成代理标签，并使用在线标签噪声过滤辅助模块来帮助协助分割网络学习更干净的代理注释进行语义分割。在 PASCAL VOC 2012 语义分割基准测试中，该算法表现出色，WebSeg (mIoU = 57.0%) 和弱监督 (mIoU = 63.3%) 的设置。

    Mar, 2018

  • 黑盒分类器的实时图像显著性

    本文介绍了一种快速的显著性检测方法，可以应用于任何可微分的图像分类器，其通过训练掩膜模型来操纵分类器的分数，从而检测图像的显著部分，并在 CIFAR-10 和 ImageNet 数据集上进行了测试，表明其结果优于其他弱监督方法。

    May, 2017

  • 基于注意力模型的跨领域图像检索

    本文旨在通过在电商网站上的标签信息和候选图像上下文信息，利用了 TagYNet 和 CtxYNet 等深度卷积神经网络架构，以实现对基于智能手机拍摄的图像进行检索的 Attention weights 计算和图像特征提取，可显著提高检索的准确率和效率。

    Sep, 2017