May, 2024

揭示潜力：利用深度度量学习绕过视频流加密

PDF
TL;DR基于深度度量学习的三元损失方法，我们提出了一个健壮、通用、可扩展和可转移的加密视频流检测框架，总结表明这种侧信道攻击的适用范围比最初想象的更广。
发现论文，激发创造
  • 度量学习检测 Deepfakes

    本研究采用深度量化网络的三元组结构，将视频的真实性进行分类，有效提高了真伪判断的准确性。并取得了 Celeb-DF 数据集上 99.2% 的最优 AUC score 和高度压缩的神经纹理数据集上 90.71% 的准确率。

    Mar, 2020

  • 加密恶意流量检测的机器学习方法、数据集及比较研究

    本文提出基于机器学习的加密恶意流量检测技术的通用框架，并提供系统评估。通过分析、处理和合并来自 5 个不同来源的数据集，生成综合公平数据集以帮助未来研究，实现和比较 10 种加密恶意流量检测算法，并讨论挑战和未来研究方向。

    Mar, 2022

  • 使用深度学习和其他机器学习算法进行加密恶意流量检测的特征挖掘

    本文提出了一种用于恶意加密流量分析的新型加密流量特征，并比较不同的特征提取方法，同时提出了一个加密恶意流量检测框架，该框架包括深度学习和传统机器学习算法，经实验表明，这个框架的检测效果优于传统的深度学习和机器学习算法。

    Apr, 2023

  • 加密恶意流量的特征分析

    近年来恶意软件攻击中使用加密的 HTTP 流量进行自我传播或通信的数量急剧增加。本文应用三种机器学习技术来区分恶意加密的 HTTP 流量与良性加密流量，并获得与以往研究相当的结果。同时，我们详细考虑特征分析问题，并证明可直接从机器学习模型中获取与特征相关的信息。我们认为这种基于机器学习的特征分析方法更可靠，例如我们可以发现相对非直观的特征之间的相互作用。

    Dec, 2023

  • 深度度量学习在人体动作分析中的应用

    本文提出了一种基于三元组架构和最大均值差异的新型度量学习目标，以及一种基于关注机制的递归神经网络的新型深度体系结构，以解决传统方法无法捕捉人体运动数据跨动作的语义联系的问题。实验证实，该方法在两组不同数据集上相对于传统人体运动度量学习有效提升。

    Jul, 2018

  • 深度度量学习的智能挖掘

    本文提出了一种新颖的深度度量学习方法，该方法将三元组模型和嵌入空间的全局结构相结合，依赖于智能挖掘过程以在低计算成本下产生有效的训练样本，通过自适应控制器来加快训练过程的收敛速度，并在实验证明相比其他竞争挖掘方法，我们的方法可以更快地进行更准确的三元组 ConvNets 训练，同时在 CUB-200-2011 和 Cars196 数据集上实现了最新的嵌入结果。

    Apr, 2017

  • 加密流量分类的深度学习：概述

    介绍了一个基于深度学习的 Traffic Classification 框架，讨论了常见的深度学习方法及其在 Traffic Classification 任务中的应用，探讨并解决了深度学习方法中的开放性问题和挑战。

    Oct, 2018

  • 人物重识别中三元组损失的防御

    该研究探讨了计算机视觉中人物重新识别子领域中三元组损失函数的表现，与其他损失函数相比，它能够更好地进行端到端的深度度量学习。

    Mar, 2017

  • 面向隐私保护深度神经网络的图像加密方案攻击

    该研究针对深度神经网络中的图像应用提出了一种加密技术，并尝试通过选择明文和密文攻击来测试其安全性。

    Apr, 2020

  • 奇异感知机器学习在流媒体服务中的滥用和欺诈检测

    本文提出了一个基于流媒体用户行为建模的欺诈和滥用检测框架，通过创建用户行为模型发现异常和可疑事件，并以此来扩大调查工作的规模。我们研究了半监督和监督方法来检测异常现象，最终使用机器学习方法实现了欺诈和滥用检测。

    Mar, 2022