基于胶囊网络的对抗判别域适应算法

戴宏; 盛立杰; 苗启广

doi:10.7544/issn1000-1239.2021.20200569

基于胶囊网络的对抗判别域适应算法

(西安电子科技大学计算机科学与技术学院西安 710071) (西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学) 西安 710071) (hdai@stu.xidian.edu.cn)

基金项目: 国家自然科学基金项目(61772396，61902296)；西安市大数据与视觉智能关键技术重点实验室项目(201805053ZD4CG37)；中国博士后科学基金项目(2019M663640)

详细信息

中图分类号: TP183
计量
- 文章访问数: 475
- HTML全文浏览量: 3
- PDF下载量: 235
出版历程
- 发布日期: 2021-08-31

Adversarial Discriminative Domain Adaptation Algorithm with CapsNet

(College of Computer Science and Technology, Xidian University, Xi’an 710071) (Xi’an Key Laboratory of Big Data and Intelligent Vision (Xidian University), Xi’an 710071)

Funds: This work was supported by the National Natural Science Foundation of China (61772396, 61902296), the Project of Xi’an Key Laboratory of Big Data and Intelligent Vision (201805053ZD4CG37), and the China Postdoctoral Science Foundation (2019M663640).

摘要

摘要: 关于域适应算法的研究显示了对抗性学习填补源域和目标域间差异的有效性，但仍存在其局限性，即仅从2个域抽取的样本不足以保证大部分潜在空间的域不变性.注意到胶囊网络(capsule network, CapsNet)在捕获样本的表征不变性上具有较强的能力，通过结合二者得到了一种新的域适应学习算法.首先，提出了胶囊层卷积算法，并结合残差结构，使得训练更深的胶囊网络成为可能.实验表明，这种新的胶囊网络架构能够在捕获浅层特征时取得更佳的效果.其次，传统的对抗判别域适应算法使用的卷积基容易不加分辨地模糊源域与目标域的界限，进而造成判别效果的下降.因此，在VAE-GAN(variational auto-encoder, generative adversarial networks)的启发下，通过引入重建网络作为强约束，巧妙地利用了胶囊网络可调整为自编码器的特性，使得对抗判别域适应网络能够在卷积基进行迁移时，克服传统对抗判别域适应算法易发生模式崩塌的固有缺陷，保证判别器对源域与目标域内样本共性表征的敏感度.实验表明，该方法可以在不同复杂程度的域适应任务中取得较好的性能，并在关键标准数据集上取得了最先进的成果.
- 胶囊网络 /
- 对抗判别网络 /
- 域适应 /
- 生成对抗网络 /
- 自编码器
Abstract: Recently, studies on domain adaptation have shown the effectiveness of adversarial learning in filling the differences between two domains, but there are still some limitations that samples taken from two domains are not enough to keep the domain invariance in potential spaces. Inspired by the fact that CapsNet(capsule network) has a strong ability to extract the invariance of features from samples, we introduce it into the domain adaptation problem. Firstly, a new convolution algorithm is devised over capsule-layer, combined with residual block, which makes it possible to train a deeper CapsNet. Results demonstrate that this new structure of CapsNet has a stronger ability to extract features. Secondly, the traditional adversarial discriminative adaptation methods have the defect that prones to blur the boundary between different domains, which in turn leads to a decline in the discriminative performance. Inspired by VAE-GAN(variational auto-encoder, generative adversarial networks), we use a reconstruction network as a strong constraint, so that the adversarial discriminative network avoids the inherent defect of mode collapse when the convolution base is transferring, and ensures that the discriminator is sensitive to the invariance of representation in different domains. Experiments on standard datasets show that our model achieves better performance in domain adaptation tasks of varying complexity.
- capsule network (CapsNet) /
- adversarial discriminative network /
- domain adaptation /
- generative adversarial networks /
- auto-encoder

HTML全文

参考文献(0)

施引文献(59)

期刊类型引用(43)

1.	周显春，喻佳. 基于图神经网络的人工自然语言语义挖掘仿真. 计算机仿真. 2024(01): 344-348 . 百度学术
2.	程卓. 基于特征学习的无线传感网络入侵行为检测方法. 现代传输. 2024(01): 76-79 . 百度学术
3.	杨鹏，贺钧，李卫军，李娟. 基于贪婪算法的网络通信未知蠕虫检测仿真. 计算机仿真. 2024(04): 373-377 . 百度学术
4.	王洁，吕奕飞. 基于流量异常特征的无线网络攻击行为检测方法. 电脑知识与技术. 2024(11): 78-80 . 百度学术
5.	杨芳，刘全明. 考虑时滞影响的无线传感网络蠕虫病毒自适应检测方法. 传感技术学报. 2024(06): 1073-1077 . 百度学术
6.	张邢昀，田乔宇，卢煜程，丁国如. 基于知识图谱的通信目标行为分析方法. 通信技术. 2024(07): 701-710 . 百度学术
7.	李浩. 基于深度学习的网络流量入侵检测方法研究. 电脑知识与技术. 2024(23): 96-99+110 . 百度学术
8.	胡艳华，张春玉，崔亚楠，韦灵. 基于混沌免疫聚类的网络信息流异常检测方法. 计算机仿真. 2024(08): 400-403+496 . 百度学术
9.	陈山，吴丽莎，张凯，程轶红，程亚萍，冯驰. 基于LoRa通信的大规模用电信息采集与传输系统设计. 自动化技术与应用. 2024(10): 153-157 . 百度学术
10.	刘珊，李瑞，王尧. 基于改进长短期记忆网络的新能源场站网络安全评估方法研究. 电信科学. 2024(10): 124-133 . 百度学术
11.	王祝先，赵忠凯，叶润泽，关兴民，杨智涛，宋邦钰. IPV6多跳网络环境下双通道快速切换算法的构建研究. 应用科技. 2024(05): 101-106 . 百度学术
12.	周燕，肖莉. 基于改进关联聚类算法的网络异常数据挖掘. 计算机工程与设计. 2023(01): 108-115 . 百度学术
13.	张国宏. 大规模网络流量数据异常快速检测研究. 长江信息通信. 2023(02): 110-112 . 百度学术
14.	贾万祥，张平华. 基于多特征识别的非线性网络流量异常检测方法. 湖北科技学院学报. 2023(02): 145-150 . 百度学术
15.	刘拥民，黄浩，石婷婷，欧阳金怡，刘翰林，谢铁强. 轻量级词典协同记忆聚焦处理的Web攻击检测研究. 重庆理工大学学报(自然科学). 2023(03): 172-182 . 百度学术
16.	苏文明. 基于M-ATS的动态网络伪装攻击挖掘算法. 湖北理工学院学报. 2023(02): 21-24+58 . 百度学术
17.	苏江文，宋立华. 基于无监督学习的电力系统网络潜在多步攻击实时检测方法. 电气自动化. 2023(02): 15-17 . 百度学术
18.	许馨元，李越鹏，王媛媛. 基于改进CURE聚类算法的网络用户异常行为识别方法. 微型电脑应用. 2023(05): 174-177+181 . 百度学术
19.	马伟，田静，高振怀. 光纤传感网络空间中攻击节点捕获方法研究. 激光杂志. 2023(07): 189-193 . 百度学术
20.	任春梅，白欣雨，黄岩. 新型电力系统中信息网络攻击行为辨识方法. 电工技术. 2023(13): 233-237 . 百度学术
21.	毛莉君，王心妍. 基于能耗信任值的无线传感网络克隆攻击检测方法. 传感技术学报. 2023(07): 1122-1127 . 百度学术
22.	谢从贵. 一种融合实例和聚类信息的网络入侵攻击分类研究. 常熟理工学院学报. 2023(05): 29-35 . 百度学术
23.	宋国顺. 基于特征加权聚合的传感网络多模式攻击检测方法. 通化师范学院学报. 2023(10): 74-80 . 百度学术
24.	杨波，徐胜超，毛明扬，陈刚，王宏杰. 基于流量特征的区域互联网攻击源IP地址检测. 计算机测量与控制. 2023(10): 285-290+298 . 百度学术
25.	窦萌萌，程小辉. 开放网络中分布式隐私数据主动防御仿真分析. 计算机仿真. 2023(09): 385-389 . 百度学术
26.	梁卫芳，张爽. 基于相遇记录的域间路由协议攻击检测模型. 计算机仿真. 2023(10): 468-472 . 百度学术
27.	杨春霞，陶可瑞，宋永生. 深度学习算法的舰船网络安全状态识别. 舰船科学技术. 2023(21): 193-196 . 百度学术
28.	郁滨，熊俊. 基于平衡迭代规约层次聚类的无线传感器网络流量异常检测方案. 电子与信息学报. 2022(01): 305-313 . 百度学术
29.	周燕茹. 一种基于统计模型的网络阻塞攻击防御方法. 遵义师范学院学报. 2022(02): 94-98 . 百度学术
30.	杜淑颖. 基于密度峰值聚类的网络入侵检测. 软件. 2022(06): 40-46 . 百度学术
31.	俞永飞. 基于人工蜂群算法的网络攻击流量自动辨识研究. 内蒙古民族大学学报(自然科学版). 2022(04): 277-283 . 百度学术
32.	孙茜，吴鸣. N-Gram模型下网络客户端病毒防御方法仿真. 计算机仿真. 2022(10): 400-404 . 百度学术
33.	倪雪莉，王群，梁广俊. 智能穿戴设备的安全与隐私威胁研究. 信息网络安全. 2022(10): 98-107 . 百度学术
34.	林志达，张华兵，曹小明，周英耀. 基于Hurst指数方差分析的堡垒机攻击检测方法. 自动化与仪器仪表. 2022(11): 60-63+68 . 百度学术
35.	樊凯，冯国聪，刘祥. 基于网络熵的网络攻击身份快速追踪方法. 自动化技术与应用. 2022(12): 101-104+151 . 百度学术
36.	董新玉，解滨，赵旭升，高新宝. 多视角层次聚类下的无线网络入侵检测算法. 计算机科学与探索. 2022(12): 2752-2764 . 百度学术
37.	谭伦荣，王辉. 基于深度卷积神经网络的无线通信网络异常攻击检测. 重庆科技学院学报(自然科学版). 2022(06): 60-64 . 百度学术
38.	郭倩林，张翰林. 大规模集群网络疑似攻击自主检测方法仿真. 计算机仿真. 2021(03): 264-267+340 . 百度学术
39.	苏绍培. 船舶航线远程控制网络攻击信息实时检测方法. 舰船科学技术. 2021(06): 172-174 . 百度学术
40.	曾宏志，史洪松. 半监督技术和主动学习相结合的网络入侵检测方法. 吉林大学学报(理学版). 2021(04): 936-942 . 百度学术
41.	王永财. 基于半监督学习的计量运行数据协同检测技术. 信息与电脑(理论版). 2021(14): 33-35 . 百度学术
42.	陶庆凤. 基于人工蜂群算法的无线网络攻击行为的辨识研究. 宁夏师范学院学报. 2021(07): 89-95 . 百度学术
43.	秦云涛. 基于网络流量解析的网络攻击检测系统的设计与实现. 信息与电脑(理论版). 2021(17): 207-210 . 百度学术