林伟
- 作品数：11 被引量：55H指数：2
- 供职机构：福建警察学院侦查系更多>>
- 发文基金：福建省教育厅资助项目国家自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术政治法律电子电信更多>>
- 人工智能数据安全风险及应对被引量：44
- 2022年
- [研究目的]在大数据时代,数据已成为企业乃至国家实力比拼的重要新要素。随着人工智能在各个领域的深度应用,数据资源得到更广泛的使用,但同时也面临着数据安全风险,所以有必要探索人工智能数据安全保障体系。[研究方法]通过文献分析、比较分析方法,阐明人工智能数据安全风险来源,在此基础上,分析人工智能数据安全风险样态及其原因,并提出治理对策。[研究结论]当前,人工智能数据安全风险主要来自数据投毒、数据深度伪造、数据过度采集、数据滥用分析等方面的威胁,而法律规制的缺位、人工智能技术的局限性、多元主体利益难以调和则是这些风险产生的原因。因此,应重点从完善法律法规、打造数据保障平台、创新可信AI技术着手,构建人工智能数据安全多元主体治理模式。
- 林伟
- 关键词：人工智能数据资源隐私权法律规制
- 基于多特征融合的区块链异常交易检测被引量：1
- 2022年
- 随着区块链技术的发展,以比特币为代表的虚拟货币已成为洗钱、黑客攻击、电信网络诈骗等犯罪行为的重要工具,给公民人身和财产安全带来了严重威胁,甚至威胁到国家金融市场的稳定。因此,针对基于区块链技术的虚拟货币异常交易数据检测的研究具有重要的意义。文章首先使用自定义的滑动窗口机制提取区块链交易数据特征;然后根据区块链交易数据的特点,从3个通道把数据处理成3个向量;最后对这3个特征向量进行拼接,构建区块链异常交易数据检测模型。文章使用区块链情报公司Elliptic发布的数据集验证模型的可行性和优越性,实验得出模型的准确率、召回率和F1值分别达到92.96%、85%和92.43%。实验结果表明,基于多特征融合的特征向量包含更加丰富的区块链交易信息,能够有效提升区块链异常交易检测的性能。
- 林伟
- 关键词：区块链多特征融合
- 基于多特征提取的中文微博舆情分类研究被引量：2
- 2016年
- 对微博情感分类,及时掌握微博上发布信息状态是网络舆情监控的重要研究内容。为能有效提取微博样本的特征,结合微博书写时口语化、时代化、含表情等特点,提出基于改进N-Gram的微博的多特征项提取算法,并给出基于聚类的KNN分类模型。实验结果表明,本文提出的算法能够有效提高微博舆情分类性能。
- 林伟
- 关键词：KNN
- 融合注意力机制和Alber t-BiGRU的中文微博情感分析
- 2023年
- 随着微博作为主要社交媒体平台的普及,理解和分析微博文本的情感倾向已成为重要的研究内容。为了更有效地捕捉微博文本的语义和情感信息,提出了一种融合注意力机制和Alber t-BiGRU的方法。首先,利用Albert模型的轻量级Transformer结构提取深度语义信息;其次,在Albert的输出上叠加BiGRU层,捕获句子的前向和后向上下文信息,以便更好地理解句子的语境和含义;最后,设计一个注意力层,通过赋予不同词语不同的注意力权重,强调或抑制某些词语对于最终输出的贡献。通过对比实验,结果表明,提出的方法相比其他的情感分析方法具有更高的准确率和更好的效果。
- 林伟
- 关键词：ALBERT情感分析
- 基于BiGR U-CNN的网络舆情情感识别模型
- 2023年
- 目的随着公众舆论数据的快速增长,社交网络文本情感识别在网络舆情监控中发挥着越来越重要的作用。由于文本数据的稀疏性、高维性和自然语言的复杂语义,情感分析任务面临巨大的挑战。方法为提高网络舆情情感识别的效果,设计一种融合双向门控循环单元(BiGRU)和卷积神经网络(CNN)的情感识别模型。首先将社交网络文本转换成特征向量,然后通过BiGRU提取文本的上下文情感特征,最后通过CNN提取文本的局部情感特征,构建中文社交网络文本情感识别模型。结果以新冠疫情期间网民的微博评论为数据集验证模型的可行性和优越性,模型的精确率、召回率和F1值分别达到86.6%、87.06%和86.85%。结论实验结果表明,融合BiGR U-CNN的特征向量包含更加丰富文本的情感信息,能够有效提升网络舆情情感识别的性能。
- 林伟
- 关键词：网络舆情情感识别
- 中文微博舆情分类中一种改进的特征选择方法被引量：1
- 2017年
- 通过微博情感分析掌握网络舆情动态是网络数据挖掘的研究热点,特征选择是基于内容的微博舆情分类的重要环节。为有效提取微博数据的特征,分析CHI特征选择算法应用在微博舆情分类中的特点及不足,给出一种改进的特征评估函数,并进一步用基于蚁群聚类的方法消除微博特征间的冗余。实验结果表明,改进的算法能够有效提高微博舆情分类的效能。
- 林伟
- 关键词：蚁群聚类
- 基于多尺度一维卷积神经网络的入侵检测模型被引量：1
- 2023年
- 随着信息技术的快速发展,网络安全问题日益严峻,入侵检测成为保护网络系统的关键任务之一。为了获得更好的网络流量特征,提出了一种基于多尺度一维卷积神经网络的入侵检测模型。首先,利用一维卷积块提取数据的原始特征;然后,采用三种不同尺度的一维卷积对网络入侵数据分别提取特征;最后,将不同尺度的特征融合,以构建出网络入侵检测模型。文中所提方法在两个公开的网络入侵检测数据集上进行了实验验证,结果表明,基于多尺度一维卷积神经网络融合的特征向量包含更加丰富网络流量特征,能够有效提高入侵的性能。
- 林伟洪容容
- 关键词：多尺度入侵检测
- 基于粒子群聚类的KNN微博舆情分类研究被引量：1
- 2017年
- 基于数据挖掘的微博情感分类是网络舆情监控的重要方法,其中KNN算法具有简单有效、无需估计参数等优点,适用于微博舆情分类。微博舆情分类实质上是对微博上的负面情感及时监控,KNN会因在情感分类时处理大量的计算影响算法效率。因此,采用粒子群聚类算法在情感分类前裁剪微博训练样本空间,以减少分类时的计算量。实验结果表明,基于粒子群聚类的KNN算法能够有效提高微博情感分类的性能。
- 林伟
- 关键词：KNN
- 电信网络新型违法犯罪侦防对策探讨
- 2018年
- 电信网络新型违法犯罪,由传统电信诈骗转向窃取公民个人信息后盗窃银行账户存款犯罪,犯罪分子进一步通过结合新开发的网银电子支付工具与业务验证漏洞设计诈骗陷阱,诱骗相关信息进而盗窃存款。必须从落实金融、通信行业社会安全责任入手,加强警银、警通协作配合,形成有效合力,联合打击治理电信网络新型违法犯罪。要立足警银大数据,完善金融机构内部业务与风险控制,建立警银风控信息化合作新机制。同时要提供安全咨询服务,帮助群众提高防范意识。
- 林伟
- 关键词：大数据侦防对策
- 基于BERT多特征融合的网络舆情情感识别被引量：2
- 2023年
- 社交网络文本含有丰富的情感信息,通过社交网络文本情感识别掌握网络舆情动态具有重要的意义。由于文本数据的高维稀疏性,情感分析任务面临着巨大的挑战。为了解决上述问题,提出了一种基于BERT多特征融合的网络舆情情感识别新模型。首先,使用BERT预训练语言模型对输入文本进行编码;然后,根据BERT编码层输出的特点,从三个通道分别对其生成的特征向量进行进一步的处理,形成三个特征向量;最后,对这三个特征向量进行拼接,构建网络舆情情感识别模型。以新冠疫情期间网民的微博评论为数据集验证模型的可行性和优越性,模型的精确率、召回率和F1值分别达到92.7%、93.9%以及93.2%。实验结果表明,基于BERT多特征融合的特征向量包含更加丰富文本的语义信息,能够有效提升网络舆情情感识别的性能。
- 林伟
- 关键词：网络舆情情感识别多特征融合
