机器学习系统毒化攻击综述

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学习系统毒化攻击算法进行分类和总结,包括针对机器学习中的线性分类器、支持向量机、贝叶斯分类器和深度神经网络等几类常见模型的毒化攻击等攻击算法,目标是使现有的关于机器学习系统毒化攻击的研究成果更加清晰,为相关研究者的研究工作提供启发。     

基于视频去抖的室内开关柜状态识别

随着电力系统的发展,电力设备之间的关系变得越来越复杂,通过自动化设备来控制和保护电力系统的方法已经广泛应用于电气行业中,对设备自动化的要求也越来越高.该类要求不仅体现在设备控制方面的自动化,监控设备也要具备自动识别状态变化和自动预警的功能.监控相机在拍摄时往往由于机械原因产生抖动和摇摆,提出了一种基于视频去抖动的电气开关柜状态自动识别方法,在视频中识别开关柜面板,并将其作为感兴趣区域,对开关柜上不同子部件进行划分和检测.为了减小因相机在拍摄时由于机械原因产生的抖动和摇摆,本文利用了检测前后两帧图像中特征点的运动变化,平滑相机抖动,减小软件误检的概率,并对开关柜上子部件实施针对性的检测算法,提高准确率.实验结果表明,提出的电气开关柜监控算法具有不受相机晃动干扰,实时性强、检测准确以及抗干扰能力强的优点.