前沿科研成果融入機器學習課程教學探究

摘要：為了提升教學效果，將加密信息的學習與識別技術引入本科機器學習課程教學中，可幫助學生建立課本－研究－實踐的橋梁。為了解決數據頻繁交互造成隱私泄露和數據頻繁加解密顯著增加數據處理開銷的兩大難題，本文基于隨機酉變換與稀疏表示技術，提出了一種面向信息安全的協同計算框架，并構建了系統原型以驗證該框架的實用性和有效性。結果表明，該框架不僅有助于提高學生對機器學習技術原理的認識，還可幫助學生建立從抽象到具體的認知體系，進而顯著提升教學質量，培養面向新一代電子信息技術的高科技人才。

關鍵字：計算機視覺；信息安全；機器學習；教學；創新型人才

大數據時代，以機器學習技術為核心的人工智能可以從海量數據中提取出有用信息，以支持精準有效的分析與決策。機器學習技術已經深度滲透于智慧城市、自動駕駛、自然語言處理、醫學信息處理等尖端領域，并取得了良好的應用效果。在教育領域，高校也把機器學習課程從研究生階段提前至本科階段，以強化本科學生的專業素質，使本科教育的人才培養符合時代的需求。然而，機器學習是一門多領域交叉學科，并且涉及很多抽象、復雜的數學前置課程，如高等數學、線性代數、概率論、優化理論、逼近理論、算法理論等，使得機器學習課程理論教學的開展面臨諸多難題[1]。

為了將深奧的理論簡單化與具象化，教師往往在課堂中展示與其相關的最新的研究、應用成果。一方面，通過將抽象的理論具象化，幫助學生提高對機器學習技術原理的理解與認識，另一方面，讓學生對本專業領域內的前沿科學研究有所涉獵，有助于激發學生對機器學習技術的興趣[2]。

人臉識別是一種重要的身份認證生物特征技術，在傳輸與識別過程中，不僅需要極高的識別精度，還需要保障信息安全。針對這兩個難點，常用的加密算法如同態加密（HE）和安全多方計算（MPC）[3]，面臨著與圖像大小有關的維數詛咒。為了應對這一挑戰，本文開發了一種基于隨機酉變換的低復雜度加密算法，并從理論上證明了這種加密不會影響識別精度。該算法使得字典訓練和面部識別結果可以直接從加密圖像中訓練和提取。基于該算法，進一步提出了算法開發原型系統，展示實時拍照、加密、處理的全流程。

一、 關鍵技術介紹

本文中僅給出大致技術路線，以更好地呈現研究結果和教學應用的聯系。

（一）稀疏表示

加密后的數據直觀上失去了數據特征。算法性能如圖1所示。所提出的算法比四個對照算法性能更優，并且識別精度不會受到加密影響，在測試集上精度可達98%以上。此外，本文根據提出的算法設計了系統原型，如圖2所示，可以實時通過筆記本電腦的攝像頭采集圖像，并自動識別人臉部分，隨后進行加密處理。可以收集陌生人的照片進行模型訓練，訓練完成之后中，模型可準確識別訓練數據庫照片中的人臉。

二、科研與教學融合

（一）課前準備

提供一篇文獻供學生課前學習：Secure face recognition in edge and cloud networks： From the ensemble learning perspective。

（二）思考題

在超星學習通平臺，布置關于人臉識別和加密算法的思考題，引導學生查閱文獻、閱讀文獻。

問題1：你了解哪幾種人臉識別的應用場景？

問題2：加密算法分為哪幾類？

（三）課堂教學

首先，針對稀疏表示和隨機酉變換的理論知識進行詳細解讀，讓學生深入了解這兩個技術。之后，展示開發的系統原型，鍛煉學生的實際操作能力。從數據采集（小樣本，變換光照條件，變換拍攝角度等）到人臉識別（采集圖像中只有一個人和多個人，距離攝像頭或遠或近等）全過程。學生可有如下發現：

1.當訓練樣本比較小的時候，或光照條件比較糟糕的時候，或拍攝角度比較大的時候，識別精度相對較低。基于此，學生可切實體會到機器學習的性能嚴重依賴于訓練集數據質量。

2.采集圖像中的人數并不影響識別精度，但是，如果人物距離攝像頭過遠，由于焦距不能自適應，會影響識別精度。

（四）教學效果

在“機器學習在實際中的應用”單元的教學中，將科研內容融入教學，充分激發學生的好奇心和學習興趣。在這種教學方式下，對于平時枯燥乏味的基礎知識，學生可在實際操作過程中全部理解并掌握。同時，教師可通過這種方式將科研成果和科研思維逐步傳授給每一位學生，從而發揮科研對教學的促進作用，進而增加教學深度，拓展教學廣度，促進教學創新，提升教學質量[8]。

三、結束語

本文探索在機器學習課程中依托學院科研平臺開展科研反哺教學的實踐。通過將最新的研究成果融入課堂，有效增加教學深度，在實踐中培養學生解決實際問題的能力。教育工作者應繼續加強教學與科研的聯系，提升教學質量，培養面向新一代電子信息技術的高科技人才，為全面建設社會主義現代化國家做出新的貢獻。

作者單位：王一釷 呂佳 北方民族大學

參考文獻

[1] 杜科君.大數據環境下機器學習課程的教學實踐探索[J].互聯網周刊，2023（10）：58-60.

[2] 曾毅清，仲兆祥.前沿科研成果融入大氣污染控制工程實驗教學——除塵脫硝催化膜的制備與表征[J].廣東化工，2023，50（22）：200-202，175.

[3] Dias M， Abad A， Trancoso I. 基于哈希和密碼網的語音情感識別任務的隱私保護算法[C]， 2018 IEEE聲學、語音和信號處理國際會議 （ICASSP）. IEEE， 2018： 2057-2061.

[4] Wang Y， Nakachi T. 邊緣網絡和云網絡中基于集成學習的人臉識別隱私保護算法[C]， 2020 IEEE聲學、語音和信號處理國際會議 （ICASSP）. IEEE， 2020： 2393-2397.

[5] Jiang Z， Lin Z， Davis L S. 基于標簽一致性K-SVD的稀疏編碼判別字典學習算法[C]， CVPR 2011. IEEE， 2011： 1697-1704.

[6] Zhang Q， Li B. 基于K-SVD的人臉識別中字典學習算法[C]， 2010 IEEE計算機學會計算機視覺和模式識別會議. IEEE， 2010： 2691-2698.

[7] Nakachi T， Ishihara H， Kiya H. 基于網絡隱蔽空間注意力面向隱私保護的BMI解碼算法[C]， 2018 IEEE國際信號處理與通信系統會議 （ICSPCS）. IEEE， 2018： 1-8.

[8] 李智，謝勤嵐.科研項目向專業教學內容的轉化——以“計算機視覺中的注意力機制”單元為例[J].科技風，2023（32）：37-40，169.