- 博客(10)
- 收藏
- 关注
RSS订阅原创 略读文献3
自动编码器及其改进模型通过无监督学习有效提取轴承振动信号的特征，结合分类器（如SoftMax、ELM）实现高精度故障诊断。改进方法如去噪、小波变换和半监督学习进一步提升了模型在噪声环境和小样本场景下的性能，为工业轴承健康监测提供了可靠解决方案。二维信号表示：将一维信号分段转换为二维图像输入CNN（[95]），在CWRU数据上实现99.95%的准确率。多尺度深度CNN（MS-DCNN）：通过不同尺寸卷积核并行提取多尺度特征（[99]），参数规模较传统CNN显著减少，训练效率更高。。
2025-04-14 10:08:36
907
原创 EstraNet实验复现的代码解析
实验复现已经基本完成，文献也已经翻译好了，那么现在，如何将实验代码和论文内容对应起来，就是我的工作了。弄完这个，我先挖个坑，我想先再搞一个简单的实验复现，然后通过换模型，好好学一下深度学习的实验构成。争取出个系列喵！前文链接如下：首先从前文我们知道了。
2025-04-07 11:18:02
1110
2
原创 文献翻译：EstraNet: An Efficient Shift-Invariant Transformer Network for Side-Channel Analysis
这次我要阅读文献。
2025-03-20 10:44:04
700
原创 略读文献1
今天我打算略读文献对于这篇文献看题目就知道我们要厘清三个概念：1、侧信道与故障注入攻击2、VOLEitH签名3、FAEST掩码我们再来看看摘要：摘要当前向后量子安全公钥密码系统的转型需求催生了多种性能特征和安全假设的算法。在NIST后量子签名标准化进程中，FAEST作为一种基于"头中向量不经意线性评估"（VOLEitH）的候选方案脱颖而出，其安全性依赖于高级加密标准（AES）的单向性。VOLEitH范式在保守安全假设下实现了优异的性能和紧凑的签名尺寸。
2025-03-11 10:46:00
569
原创 关于数据集ASCAD的一些说明（兼文献阅读部分）
我可能漏看了文章中关于这方面的解释，deepseek也没有给出，但是我们知道18个字节的掩码R，的r[0]和r[1]都是0，所以实际上需要显示出来的也就16个字节。这里告诉我们的其实是，我们数据集中的traces部分的结果，应该都是在攻击了这个第三个点之后得到的结果。然后因为文章的算法是AES-128算法，算法需要我们的明文，密文和密钥是16字节的，所以我们的数据集中的这些内容都是16字节的。但是这个代码库里，我们找数据集也不容易，不过还好，作为一名研究生，我的导师和学长们有数据集，所以我直接问他们要了。
2025-03-05 07:55:50
908
原创 初学多任务学习（MTL）记录
deepseek没有画图能力，就简单整了一个文本伪图。这个图形将多任务学习的最基本架构描述的很清楚：在共享特征提取层投喂数据和后面所有任务都需要用到的参数来进行特征提取，之后将这些特征放到多个任务中进行训练，这些任务可以是指向完全不同的，如分类和回归。这个是全哔站唯一一个看起来比较系统的教程了，但是按照我的经验，这个21小时的视频，想要学明白，至少要花三到五倍的时间，确实太长了，还不一定合适。先问问deepseek吧。作为实验的核心方法。看文献的时候，文献中用到了。
2025-03-03 18:06:57
469
原创 首次尝试精读文献与复现实验
在侧信道分析（SCA）等安全攻防场景中，MTL通过联合优化多个中间目标（如密钥字节、掩码值），显著提升对防护机制的破解能力。之前也是看了一篇文献，复现实验失败了，现在还是继续尝试，希望可以成功。是指模型在训练初期出现的损失函数下降缓慢或几乎无变化的阶段，表现为模型在多个训练周期（epoch）内难以有效提取数据特征。”，我们可以得出一个结论，在文章作者设定的条件下，多任务学习是可以改善学习的初期停滞的，甚至做到了。工科研一下，对科研文献和实验还是懵懵懂懂，属于是看文献也看不懂，复现实验也是一团糟。
2025-03-03 16:50:47
297
空空如也
Linux中程序使用yum的程序下载报错问题
2024-10-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人