學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
949 results
Search Results
Item 使用定位摩克樹作資料存證的應用研究(2024) 黃鯤義; Huang, Kun-Yih在大數據（big data）的網路時代，由於各種原因，無論是人為造成的或意外發生的情況，都可能導致有價值的資訊遭受損壞、竄改或竊取等危害。因此，確認各種活動或資訊交易的身份正確性，以及保障其內容、結果的安全性、以及日後追查稽核或即時稽核與驗證的相互不可否認性與可歸責性，成為大數據網路時代資訊安全的核心工作。公有區塊鏈（public blockchains）憑藉其去中心化的分散式架構，具有不可竄改性與透明性，透過共識協定使得網路節點能夠相互監督，進而達到資料的可信任性。然而，受限於區塊鏈高額礦工費與每秒交易筆數（TPS）的低限制，大量的資訊難以儲存於區塊鏈中。因此，本論文採用了Hwang等人提出的定位摩克樹（transaction positioned Merkle tree）[ 83, 97, 98, 100]作為存證的基礎技術。在對定位摩克樹的效能進行一般性測試之後，筆者選擇了兩個代表性的情境進行深入研究。第一項研究提出了雲端服務執行環境完整性即時稽核的架構，這不僅可以避免執行環境因遭攻擊、竄改或損壞所造成的意外，同時也能夠在系統運作時即時發現是否有遭受攻擊、竄改、遺失檔案或惡意軟體的植入，例如電腦病毒或木馬程式。第二項研究模擬了如何在真實人類情境中，利用定位摩克樹與公有區塊鏈，實現基於公有區塊鏈的自動給付與申訴賠償機制。結果證明了利用定位摩克樹的證據存證技術可以完全解決情境中的信任問題，且不受限於公有區塊鏈效能瓶頸。總結而言，本研究提供了一個具體而有效的方法，結合定位摩克樹與公有區塊鏈，以應對大數據網路時代資訊安全的挑戰。這些方法不僅具有實用性，同時突破了公有區塊鏈效能的桎梏。Item 開放式學習應用於優化多目標的連子棋類遊戲(2024) 邱宣凱; Chiu, Hsuan-KaiOpen-ended learning是Google DeepMind在2021提出的一種AI，與以前常見的AI不同，Open-ended learning的AI並不會將一種任務做到最佳化，但Open-ended的AI可以做到多種不同的任務，是以多目標最佳化為訴求的AI。目前由於Open-ended learning 是一種非常新的概念，其文獻的數量處於一個相對較少的狀況，實作方面也是在一個較為模糊的階段。故本研究希望使用相對熟悉的技術以及遊戲規則，來嘗試實作出與Open-ended learning類似或是相同的AI。連子棋是一種雙人對弈的遊戲，雙方玩家在圍棋棋盤上輪次落子，先將指定顆數的己方的棋子連成任何橫縱斜方向者為勝。而本研究使用的五子棋、四子棋、及三子棋，規則上除了目標棋子數為五顆、四顆和三顆之外，還有縮小了棋盤的大小。由於Open-ended learning的AI的訓練資料是由程式生成的，故本研究打算以能透過自我對弈來產生訓練資料的alpha-zero-general，來做為實現Open-ended learning的AI的核心，本實驗透過修改alpha-zero-general中自我對弈的部分來使訓練出來的AI獲得可以下多種棋規的能力。Item 整合車輛軌跡模擬與訊息交換的車聯網測試平台(2024) 陳昱瑋; Chen, Yu-WeiItem 第二外語學習者之自動發音評測及錯誤發音偵測研究(2024) 林孟欣; Lin, Meng-Shin隨著全球化的趨勢，電腦輔助發音訓練(CAPT)系統越來越受歡迎，應用於 減輕教師工作量、發音評測線上課程和幫助學習者練習語言技能等場景。本 論文提出了一系列創新的 CAPT 建模技術，以應對各種教學和自學應用，展 示了其強大的潛力和實用價值。在自動語音評估 (Automatic Pronunciation Assessment, ASA) 方面，我們針對資料不平衡問題，採用了類平衡損失函數 和重新採樣方法，縮小了訓練集和測試集之間的差距，並在不平衡資料集 speechocean762 上顯示出顯著的性能提升。在錯誤發音偵測與診斷 (Mispronunciation Detection and Diagnosis, MDD) 方面，我們使用了一種新穎 的基於文本提示引導聽寫模型，通過音素依賴閾值有效平衡精度和召回率， 同時引入多視角音頻編碼器提供細粒度發音提示。這些創新方法能夠更精確 地識別並診斷 L2 學習者的發音錯誤，並提供即時反饋。在 L2-ARCTIC 基準 數據集上的綜合實驗結果表明，我們的方法在多個競爭基線中具有實際可行 性。然而未來的研究可以探索更多樣化的語言和發音情境，以進一步提升 CAPT 系統的適用性和實用性。同時，我們也希望未來可以探索 APA 和 MDD 的聯合模型，以充分利用兩者的優勢，提供給學習者在使用系統上得到更好 的回饋。Item Human-Aware Edge Computing Scheduling for Cyber-Physical Systems(2024) Gabor Szolnok; Gábor Szolnok-Item 在 FPGA 平台上利用開源硬體實現網格加解密演算法則之可行性研究(2024) 鄭楷翰; Cheng, Kai-HanItem Explainable Anomaly Detection in Surveillance Videos: Autoencoder-based Reconstruction and Error Map Visualization(2024) Littek, Alina Raffaella Giulia; Littek, Alina Raffaella GiulianoneItem 基於對比式訓練之輕量化開放詞彙的關鍵詞辨識(2024) 楊宥芩; Yang, You-Chin隨著智慧裝置的普及，關鍵詞辨識技術變得越來越重要，其目標是在連續語音中識別是否存在特定的關鍵詞，這項任務極具挑戰性，因為它不僅需要準確地檢測關鍵詞，還需要有效地排除其他關鍵詞。隨著深度神經網絡的快速發展，採用深度神經網絡的關鍵詞辨識在精準度上取得了顯著進步。傳統基於深度神經網絡的關鍵詞辨識系統需要大量目標關鍵詞的語音作為訓練資料，因此只能識別固定的關鍵詞，且在訓練完成後難以替換關鍵詞。若需要替換關鍵詞，則必須重新收集目標關鍵詞的語料並重新訓練模型。本文聚焦於實作一個開放詞彙的關鍵詞辨識系統。該系統通過自注意力機制，利用語音特徵與文本嵌入向量生成有效的聯合嵌入，並藉由辨別器對聯合嵌入計算信心分數。系統依據這些信心分數來決定是否啟動系統。同時，透過對比式學習來處理在設定多個關鍵詞時，錯誤關鍵詞的信心分數過高而產生的誤報問題。在預訓練音頻編碼器時，我們除了使用包含5000類關鍵詞的語料進行分類任務訓練的預訓練音頻編碼器外，還採用了更加節省參數的音頻編碼器架構，能夠減少100K的參數，並通過500類關鍵詞進行分類任務的預訓練。本研究在識別10個未在訓練階段出現的新關鍵詞上，達到了94.08%的準確率，相較於基準方法提升了12%。Item 更新廣義高斯回歸網路演算法的硬體實作及應用於 QoS 頻寬預測之研究(2024) 王泓嶧; Wang, Hang-YiItem 以零知識證明建立可信的隱私保護資料使用機制(2024) 劉洧聿; Liu, Wei-Yu隨著人工智慧技術的飛速發展，數據分析在各領域展現出巨大的應用潛力和商業價值。然而，數據分析依賴於大量涉及個人隱私的數據，這引發了對隱私保護的高度關注。現有的去識別化技術雖然可以在一定程度上保護隱私，但仍存在數據質量和準確性受損的問題。此外，合約和第三方稽核機構在保護資料隱私方面也面臨著效率和成本的挑戰。本篇論文提出了一套基於公開金鑰基礎建設和零知識證明的資料交換系統，以應對上述問題。公開金鑰基礎建設技術能夠提供安全的身份驗證和數據加密，確保數據在傳輸過程中的安全性。零知識證明技術則允許在不洩露原始數據的前提下進行數據分析，僅返回分析結果，從而大大降低了隱私洩露的風險。此外，零知識證明還能生成與原始資料無關的證明，使稽核過程自動化並降低稽核成本。這套資料交換系統預期能夠在不損害數據質量的前提下，有效保護隱私資料，提升數據分析的效率和安全性。儘管零知識證明技術需要耗費大量算力，計算成本和時間成本需要進一步評估，但其在隱私保護和稽核自動化方面的優勢，使其成為解決數據分析中隱私保護問題的有效方法。