西电【信息与内容安全】课程期末复习笔记

来自 2022 年春的古早遗留档案有人需要这个我就再发一下吧。也可以在这儿看捏 https://framist.github.io/post/information-and-content-security-final-review.html平时成绩10%。线上10% 线上学习内容共 100 分。实验10% 共 2 次实验每次实验按 50 分制评分共 100 分。论文20% 以任何信息与内容安全相关技术撰写一篇学术报告主题自拟可适当结合自身研究方向按所提供 word 模板不少于双栏 4 页。注意不允许综述型论文考试50%‍‍重点信息与内容安全简介信息与内容安全概述内容域与网络域信息内容安全定义信息内容安全是信息安全在法律、政治、道德层次上的要求是语义层次的安全。我们要求信息内容是安全的就是要求信息内容在政治上是健康的在法律上是符合国家法律法规的在道德上是符合中华民族优良的道德规范的。广义的信息内容安全既包括信息内容在政治、法律和道德方面的要求也包括数据的获取信息内容的分析与识别数字图像视频内容安全多媒体信息隐藏隐私保护等诸多方面。‍信息内容安全的研究意义随着大数据时代的到来以及科学技术的不断进步数字资料的获取、存储、传输、编辑、转移和利用更加便利然而人们也可以对其进行任意修改和伪造。对互联网上数字媒体信息的真实性和完整性进行破坏一方面侵犯个人隐私、版权保护问题另一方面对社会公共秩序、军事和国家安全等方面均会产生不良影响。虚假新闻的社会传播的往往产生严重后果暴力煽动语言的破坏性尤其巨大随着密码和图像水印技术的普及网上利用信息加密与内容隐藏等技术隐秘传输非法信息的现象日益普遍机器学习简介了解机器学习假设用 来评估计算机程序在某任务 上的性能若一个程序通过利用经验 在 中任务上获得了性能改善则我们就说关于 和 该程序对 进行了学习机器学习的三个步骤一组方程衡量方程的优劣找出最好的方程‍深度学习深度学习的三个步骤神经网络衡量方程的优劣找出最好的方程对抗样本攻击机器学习算法以数字向量的形式接受输入。以一种特定的方式设计输入从而从模型中得到一个错误的结果这便被称为对抗性攻击‍‍‍信息获取与表示信息内容的获取获取网络信息内容的类型网络媒体信息网络通讯信息网络媒体信息获取方法网络媒体信息获取方法基于自然人网络浏览行为模拟的信息获取‍‍信息内容的表示视觉信息特征视觉信息的处理过程获取、压缩、传输、重建、处理人眼两种细胞的区分锥状细胞高亮度、细节信息、快速变化、数量上柱状细胞低亮度、数量多三原色像素化电脑中表示图像信息颜色特征直方图主色调……纹理特征LBP考计算HOG理解SIFT深度学习之前最经典的特征基本原理尺度不变文本特征文本特征表达one-hot另外三种方法的基本概念1-of-N Encoding ( One-hot Encoding)如何将文本表达成向量词频词频是一个词在文档中出现的次数。通过词频进行特征选择就是将词频小于某一闭值或大于某一值的词删除从而降低特征空间的维数。文档频数文档频数 (Document Frequency, DF) 是最为简单的一种特征选择算法它指的是在整个数据集中有多少个文本包含这个单词。TF-IDF词频 (TF)某个词在文章中的出现次数 / 文章的总词数逆文档频率 (IDF)log(语料库的文档总数 / (包含该词的文档数 1))TF-IDF TF * IDF‍‍音频特征音频特征表达流程图变成彩色图案增强、切片、DFT、频谱图、可视化、图像分析方法IDFT、MFCC‍IDFTMFCC‍‍深度学习基础选择、填空、计算三个步骤设计神经网络评估网络好坏选择最好的网络‍神经元、神经网络神经元的构造激活函数不要求计算但要求掌握输入输出过程公式神经网络 - 全连接层神经网络基本概念维度全连接神经网络全部连接交叉熵损失的训练方法梯度下降反向传播‍‍‍卷积神经网络卷积卷积的基本流程卷积核要求会计算卷积优点缩减参数共享参数池化最大最小池化输入输出位数展平全连接卷积、池化多次重复‍理解神经网络神经网络可视化‍经典神经网络结构了解LeNet-5AlexNet 2012ReLU标准化Dropout数据增广VGGNet3x3 小卷积16、19 层GoogLeNet23 层不同尺度特征图串联1x1 convResNet152 层残差学习跳层连接解决梯度消失问题‍生成对抗网络 GAN‍偏概念生成器判别器GAN 步骤与原理argmax/argmin的意思是在里面达到最大的时候min/max下面那个变量的值V(G,D) 严格定义叫散度但应该不要求掌握散度是啥大概理解就是两个图像的差距‍初始化生成器【输入随机向量】、判别器【输入为图像】固定一个更新一个【二者博弈得到生成】生成器原理【散度】判别器原理【采样】GAN 里的各种公式最大最小PPT 上的特别小的公式了解为主‍参考DCGAN Tutorial — PyTorch Tutorials 1.11.0cu102 documentation‍Conditional GAN了解可用图像风格转换条件的意思输入不是随机向量而是一个图像‍InfoGAN主要区别提供两个输入普通的 GAN 存在无约束、不可控、噪声信号 z 很难解释等问题2016 年发表在 NIPS 顶会上的文章 InfoGANInterpretable Representation Learning by Information Maximizing Generative Adversarial Nets提出了 InfoGAN 的生成对抗网络。InfoGAN 主要特点是对 GAN 进行了一些改动成功地让网络学到了可解释的特征网络训练完成之后我们可以通过设定输入生成器的隐含编码来控制生成数据的特征。作者将输入生成器的随机噪声分成了两部分一部分是随机噪声 Z另一部分是由若干隐变量拼接而成的 latent code c。其中c 会有先验的概率分布可以离散也可以连续用来代表生成数据的不同特征。例如对于 MNIST 数据集c 包含离散部分和连续部分离散部分取值为 0~9 的离散随机变量表示数字连续部分有两个连续型随机变量分别表示倾斜度和粗细度。InfoGAN-无监督式 GAN - 简书 (jianshu.com)‍应用了解即可图像翻译Pix2PixCycleGANStarGAN多合一人脸属性编辑图片质量增强文本合成图像Text-conditional GAN图像语义分割人脸去遮挡任务小物体检测‍‍Attack ML Models‍‍在线社交网络分析 与 舆情检测在线社交网络分析了解原理即可在线社交网络是一种在信息网络上由社会个体集合及个体之间的连接关系构成的社会性结构包含关系结构、网络群体与网络信息三个要素。在线社交网络的三个维度结构群体信息在线社交网络的地位和作用政治经济文化生活在线社交网络分析定义在线社交网络分析是指从网络结构、群体互动、信息传播三个维度基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法为理解人类各种社交关系的形成、行为特点分析以及信息传播的规律提供的一种可计算的分析方法。‍信息传播模型掌握原理影响力模型每个节点有两种状态活跃 (active) 和不活跃 (inactive)只有活跃状态的节点才具有影响力能够影响其他节点。当一个节点被其他节点影响成功时则称该节点被激活不活跃状态的节点不能激活其他节点。社会网络的影响力传播表现为节点状态由不活跃变激活为活跃状态转变是单向的即网络中不存在由活跃变为不活跃的情况。Independent Cascade (IC) 独立级联模型Linear Threshold (LT) 线性阈值模型‍‍传染模型传染模型也叫流行病模型用于描述个人传播传染病的方式节点有三种状态S易感人群易感节点可能会感染疾病I感染人群感染节点有机会去感染易感人群R免疫人群感染节点被治愈后不会再得疾病的人群Susceptible Infected Recovered (SIR)设总人口为 N(t)则有 N(t)s(t)i(t)r(t)。三个假设人口始终保持一个常数即 N(t)≡K。假设 t 时刻单位时间内一个病人能传染的易感者数目与此环境内易感者总数 s(t) 成正比比例系数为β从而在 t 时刻单位时间内被所有病人传染的人数为βs(t)i(t)。t 时刻单位时间内从染病者中移出的人数与病人数量成正比比例系数为γ单位时间内移出者的数量为γi(t)‍β易感节点被成功感染的概率μ感染节点被治愈的概率‍社交网络传播引导如何投放信息使其传播影响力最大影响力计算方法就是总体过程求平均‍影响力最大化贪婪算法原理只保留最大影响力的节点‍‍社交网络话题发现模型概率潜在语义分析模型PLSA了解为主‍‍‍舆情检测记忆基本概念特性演化流程网络舆情是指以互联网为载体所表达的公众情绪究其本质是社会情绪在互联网这个可见载体上的公共表达。网络舆情特征自发性指向性时效性情绪性片面性网络舆情演化形成期高涨期波动期消退期‍网络舆情监测系统三个层数据采集处理层提供网络数据采集和预处理功能网络爬虫了解PageRank了解舆情分析处理层主要提供话题检测、话题跟踪、倾向性分析、自动摘要以及中文分词等功能主要完成热点话题的检测、跟踪以及情感倾向性分析并且对各类热点话题及倾向性进行自动摘要分析结果存入数据库以便为用户提供各种舆情分析服务。舆情分析引擎的核心技术是文本聚类、文本分类、情感分析中所采用的模型与算法直接关系到系统的性能高低。舆情分析服务层主要提供突发事件分析、舆情预警报警、舆情趋势分析、舆情统计报告以及舆情查询检索等各种舆情分析服务‍‍‍信息过滤‍信息过滤通常是在输入数据流中移除数据而不是在输入数据流中找到数据。在信息内容安全领域信息过滤是提供信息的有效流动消除或者减少信息过量、信息混乱、信息滥用造成的危害。信息过滤模型过滤模型各部分‍‍例子信息过滤与其他信息处理异同信息处理方法信息需要/需求信息源信息过滤稳定的、特定的信息动态的、非结构化的信息检索动态的、特定的信息稳定的、非结构化的数据访问动态的、特定的信息稳定的、结构化的信息提取特定的信息非结构化的信息检索信息分类信息抽取信息提取‍‍信息过滤应用Internet 搜索结果的过滤用户电子邮件过滤垃圾邮件过滤服务器/新闻组过滤浏览器过滤专为孩子的过滤绿色上网为客户的过滤 - 用户爱好推荐APP 个性化推荐‍信息过滤评价‍分类体系‍‍过滤方法要会计算根据操作方法主动主动搜集信息并将相关信息发送给用户被动不负责为用户搜集信息根据操作位置在信息源端过滤在过滤服务器端过滤在客户端过滤过滤方法基于认知的过滤 (Cognitive filtering)基于内容或者用户兴趣的过滤将文档内容和用户的 Profile 进行相似度计算基于社会的过滤 (Sociological filtering)也称为协同过滤 (Collaborative filtering)对某个用户的 Profile 进行匹配时通过用户之间的相似度来计算 Profile 和文档的匹配程度社会过滤常常使用用户建模 (User modeling) 及用户聚类 (User clustering) 等技术。根据获取用户知识分类显式隐式显式和隐式相结合的方法基于匹配的信息过滤字符串匹配单模式BFBrute Force穷举/暴力破解法KMP由 D.E.Knuth、J.H.Morris 和 V.R.Pratt 设计next 数组、PMT (Partial Match Table) 部分匹配表七分钟了解什么是 KMP 算法_哔哩哔哩_bilibiliBM由 Bob Boyer 和 J Strother Moore 设计从右向左扫描从右到左取 p 中字符比较坏字符规则动画演示什么是 BM 算法_哔哩哔哩_bilibili多模式多模式匹配AC 自动机算法基本思想在预处理阶段AC 自动机算法建立了三个函数转向函数 goto失效函数 failure和输出函数 output由此构造了一个树型有限自动机。先计算深度为 1 的状态失效函数再计算深度为 2 的失效函数依次类推在搜索查找阶段则通过这三个函数的交叉使用扫描文本定位出关键字在文本中的所有出现位置。特点扫描文本时完全不需要回溯时间复杂度为 O(n)与关键字的数目和长度无关。用最直观的方式理解 AC 自动机_哔哩哔哩_bilibili‍‍对抗攻击与防御攻击的损失函数约束范式L2-normL-infinity‍‍‍FGSM白盒攻击 黑盒攻击简答题怎样是 xx 攻击‍攻击方式举例单像素攻击差分进化文本攻击语音攻击‍防御手段简答思想实现被动特征挤压 (Feature Squeeze)将图像经过原模型、经过 Squeezer 处理后的结果进行比较如果结果有差异则输入图像可能是被攻击过了。• 这里的 Squeezer 可以是整体压缩每个像素值、图像局部平滑等操作主动增加对抗数据‍视觉内容伪造与检测‍‍偏概念‍方法例子 s知道有那些方法就行人脸替换的基本原理‍伪造检测方法分类手动特征检测网络‍‍身份认证系统的攻击与防御身份认证身份认证概念、流程保证操作者的物理身份与数字身份相对应‍物理身份与数字身份一致基本途径基于你所知道的What you know基于你所拥有的What you have– 身份证、信用卡、钥匙、智能卡、令牌、私钥等基于你的个人特征What you are – 指纹笔迹声音手型脸型视网膜虹膜双因素、多因素认证‍生物特征生物特征种类比较指纹手形手部血管分布人脸脸部热量图虹膜视网膜签名语音生物特征的比较• 指纹最经典、最成熟的生物认证技术• 人脸自然直观无侵害易用的生物认证技术• 手掌易实现成本低识别速度快的生物认证技术• 虹膜高独特高稳定的生物认证技术• 视网膜受保护防欺骗性好采集困难• 签名易于接受常用于信用卡、文件生效等场合• 声音成本低代价小常用作辅助手段‍生物特征认证流程注册识别匹配验证 1:1 比对鉴别 1n 比对‍‍活体检测方法概念、场景‍异常检测概念为主是否是一类数据检测目标应用信用卡盗刷癌细胞…与普通二分类区别‍有标记方法无标记方法‍评价方法目标不同严格程度假阳性…‍线上内容考‍参考非常感谢未知名同学的思维导图如有侵权或需要署名请联系作者。