随着物联网(Internet of Things,IoT)设备的普及,使用入侵检测来保护IoT设备免受恶意攻击至关重要。但是,IoT的数据稀缺性限制了传统入侵检测方法的效果。同时,现有基于域自适应的入侵检测方法的对齐方式粗糙,忽略了内在语义属性的转移...随着物联网(Internet of Things,IoT)设备的普及,使用入侵检测来保护IoT设备免受恶意攻击至关重要。但是,IoT的数据稀缺性限制了传统入侵检测方法的效果。同时,现有基于域自适应的入侵检测方法的对齐方式粗糙,忽略了内在语义属性的转移,降低了特征的可区分性。为解决上述问题,提出了一种基于Transformer的域自适应物联网入侵检测(Transformer-Based Domain-Adaptive IoT Intrusion Detection,TDAIID)模型,从域间、类间和样本间3个层次对齐互联网入侵(Network Intrusion,NI)域和物联网入侵(Internet of Things Intrusion,Ⅱ)域。交叉注意力机制聚焦于NI源域和Ⅱ目标域中相同类别样本之间的相似特征,实现样本级别的域特征对齐;多重几何语义对齐从域级和类级两个角度进行语义对齐,有助于交叉注意力机制学习更丰富、更准确的源NI域知识。此外,为了充分挖掘未标记Ⅱ目标域的潜力,从几何角度提出了一种动态中心感知伪标签算法,用于提高伪标签标记的准确性,有效降低错误分配伪标签造成的负迁移。在多个常用入侵检测数据集上的综合实验表明,TDAIID模型的性能优于当前先进的基线模型。展开更多
传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出...传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出了一种改进的三级去畸变机制,结合基于体素化网格的分层降采样机制,以提高算法的实时性。经过改进的F-LOAM算法在KITTI数据集上的测试表现出色。三级去畸变机制和分层降采样策略不仅有效降低了计算负担,还确保了特征点的有效性和全局地图的精度。展开更多
随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流...随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流追踪、身份认证和室内定位等各个领域。由于目前广泛使用的个人移动设备并不支持RFID信息读取,限制了RFID技术的大范围应用。针对智能手机不能直接读取RFID标签信息的问题,提出一种利用用户预定义的基于RFID反射信号的手势特征实现面向智能手机和RFID标签之间的跨域互联方法。该方法不需要对部署的RFID系统或智能手机进行任何硬件修改,通过用户在感兴趣标签面前做出手势而产生的RFID相位特征,并与智能手机捕获到的运动传感器数据的相关时间戳进行匹配,从而实现了智能手机与RFID标签的关联配对。最后,通过实验验证了文中提出的跨域互联方法的可行性。展开更多
文摘随着物联网(Internet of Things,IoT)设备的普及,使用入侵检测来保护IoT设备免受恶意攻击至关重要。但是,IoT的数据稀缺性限制了传统入侵检测方法的效果。同时,现有基于域自适应的入侵检测方法的对齐方式粗糙,忽略了内在语义属性的转移,降低了特征的可区分性。为解决上述问题,提出了一种基于Transformer的域自适应物联网入侵检测(Transformer-Based Domain-Adaptive IoT Intrusion Detection,TDAIID)模型,从域间、类间和样本间3个层次对齐互联网入侵(Network Intrusion,NI)域和物联网入侵(Internet of Things Intrusion,Ⅱ)域。交叉注意力机制聚焦于NI源域和Ⅱ目标域中相同类别样本之间的相似特征,实现样本级别的域特征对齐;多重几何语义对齐从域级和类级两个角度进行语义对齐,有助于交叉注意力机制学习更丰富、更准确的源NI域知识。此外,为了充分挖掘未标记Ⅱ目标域的潜力,从几何角度提出了一种动态中心感知伪标签算法,用于提高伪标签标记的准确性,有效降低错误分配伪标签造成的负迁移。在多个常用入侵检测数据集上的综合实验表明,TDAIID模型的性能优于当前先进的基线模型。
文摘传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出了一种改进的三级去畸变机制,结合基于体素化网格的分层降采样机制,以提高算法的实时性。经过改进的F-LOAM算法在KITTI数据集上的测试表现出色。三级去畸变机制和分层降采样策略不仅有效降低了计算负担,还确保了特征点的有效性和全局地图的精度。
文摘随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流追踪、身份认证和室内定位等各个领域。由于目前广泛使用的个人移动设备并不支持RFID信息读取,限制了RFID技术的大范围应用。针对智能手机不能直接读取RFID标签信息的问题,提出一种利用用户预定义的基于RFID反射信号的手势特征实现面向智能手机和RFID标签之间的跨域互联方法。该方法不需要对部署的RFID系统或智能手机进行任何硬件修改,通过用户在感兴趣标签面前做出手势而产生的RFID相位特征,并与智能手机捕获到的运动传感器数据的相关时间戳进行匹配,从而实现了智能手机与RFID标签的关联配对。最后,通过实验验证了文中提出的跨域互联方法的可行性。
