Jul, 2023

关于深度负载分解对敌对攻击的敏感性

PDF
TL;DR对深度非侵入式负荷监测（NILM）基线模型进行敏感性研究，揭示常用 CNN-based NILM 模型在面对 Fast Gradient Sign Method 等对抗攻击时的脆弱性及其对能源管理系统的潜在影响。
non-intrusive load monitoringdeep nilm baselinesadversarial attacksfast gradient sign methodenergy management systems
发现论文，激发创造
  • 智能家居非侵入式负载监测和电器识别的迁移学习

    提出了一种利用深度学习解决非侵入式负载监测（NILM）问题的方法，包括解决家用和场地级别的 NILM 问题以及家电识别等相关问题，利用低频 REED 数据集和 REFIT 数据集对模型进行训练和测试，能够达到最高 94.6％ 的准确率，为实现节能方案提供参考。

    Jan, 2023

  • 基于双向膨胀残差网络的序列到点学习用于非侵入式负载监测

    本篇论文研究针对非侵入式负载监测 (Non Intrusive Load Monitoring) 或能源分解 (Energy Disaggregation) 问题，提出了一种基于双向 (非因果) 扩张卷积的序列至点学习框架，与现有算法进行了比较，实验证明该方法优于其他方法。

    May, 2020

  • 使用深度神经网络的非侵入式负载监测 (NILM) 综述

    本文综述了基于深度学习的最新非侵入式负载监测方法，介绍了最适用于住宅负载的最准确方法，总结了 NILM 评估的公共数据库，并使用标准性能指标比较了方法。

    Jun, 2023

  • 朝着值得信赖的能源分解：非侵入式负荷监测的挑战、方法和前景综述

    该研究综述了近期针对住宅电器的非侵入式负载监测方法，分析总结了大量发表的学术文章，讨论了方法的亮点和应用问题，并强调了传统分解模型向实际可信框架的转化的必要性。

    Jul, 2022

  • Nesterov 加速梯度和尺度不变性用于对抗性攻击

    本文从优化过程的角度和深度学习模型的尺度不变性出发，提出了两种新的方法来改善对抗样本的传递性，并演示这些攻击方法对抗网络防御模型的高攻击成功率。

    Aug, 2019

  • 一种新颖的基于深度学习的网络入侵检测系统对抗对抗性攻击的模型

    该研究论文的主要目标是研究强大的对抗攻击算法及其在基于深度学习的网络入侵检测系统上的防御方法，并使用 CICIDS-2017 数据集进行评估。

    Jul, 2023

  • DP$^2$-NILM：一种用于非侵入式负载监测的分布式隐私保护框架

    本研究针对分布式能耗监测框架中的 DP2-NILM 机制进行实验，将联邦学习（FL）技术与隐私保护和功用优化相结合，采用现实中的实测数据对方案进行了评估。

    Jun, 2022

  • 基于 CNN-BiLSTM 注意机制的低频负荷识别

    本研究提出了一种旨在从低频功率数据中进行精确区分的混合学习方法，它采用卷积神经网络（CNN）和双向长短期记忆网络（BILSTM）的整合，包含一个集成的注意力机制。经过模拟实验使用现有低频 REDD 数据集评估该模型性能，结果表明我们提出的方法在准确性和计算时间方面超过了现有方法。

    Nov, 2023

  • 实时深度学习网络入侵检测系统中的白盒非定向攻击与启发式防御方法

    网络入侵检测系统（NIDS）是保护计算机网络免受各种网络攻击和网络安全威胁的关键组成部分。然而，如果 NIDS 本身受到攻击和漏洞，如何保卫防御者？本研究旨在涵盖与 NIDS、对抗性攻击及其防御机制相关的重要方面，以提高基于机器学习和深度学习的 NIDS 的鲁棒性。我们实施了四种强大的对抗性攻击技术，即快速梯度符号方法（FGSM）、雅可比敏感度图攻击（JSMA）、投影梯度下降（PGD）和 Carlini ＆ Wagner（C＆W）在 NIDS 中。我们详细分析了其在各种性能指标方面的性能。此外，我们实施了三种启发式防御策略，即对抗性训练（AT）、高斯数据增强（GDA）和高置信度（HC），以提高在对抗性攻击情况下的 NIDS 鲁棒性。完整的工作流程在实时网络与数据包流中演示，为对对抗性机器学习感兴趣的研究人员提供了整体背景。

    Oct, 2023

  • 神经网络序列点学习在非侵入式负载监测中的应用

    本文提出了一种基于卷积神经网络的 “序列到点”（sequence-to-point）学习方法，用于解决能源分解中的非识别性问题，并通过在真实家庭能源数据上的应用证明了其比现有方法具有更高的性能。

    Dec, 2016