每日论文 | 安全网络应用调查和分类；目标检测成果一览；让机器人进行室内导航的深度网络；

1

A Taxonomy and Survey of Intrusion Detection System Design Techniques, Network Threats and Datasets

随着世界对自动化和计算机的依赖程度逐渐加深，目前最显著的挑战之一就是打造安全应用、系统和网络。与此同时，很多安全漏洞也相继出现。为了减轻带来的影响，研究者提出了多种解决办法。但是目前的工具经常无法处理频繁变换的结构。这篇论文就对目前的数据集组成和入侵探测系统（IDS）的种类进行了调查和分类，为的就是提升IDS的效率，并且为下一代IDS数据集的创建带来更好的效果。

地址：https://arxiv.org/pdf/1806.03517.pdf

2

Recent Advances in Object Detection in the Age of Deep Convolutional Neural Networks

关于目标检测的技术成果，我们也已经介绍很多了。这篇论文仍是总结性质的，它回顾了最近几年用深度卷积神经网络进行目标识别的成果应用，为这一领域提供了深度、综合性的总结。这篇调查不仅包括典型的结构（SSD、YOLO、Faster-RCNN），还讨论了目前整个领域面临的困难。

地址：https://arxiv.org/abs/1809.03193

3

Deep Network Uncertainty Maps for Indoor Navigation

让机器人在不规则、非结构化的环境中进行不确定性预测是一项重要能力。大多数室内的移动机器人都是靠2D激光扫描进行定位、映射和导航。但这些传感器无法探测到透明表面或完整扫描全部的复杂物体，例如桌子等。深度神经网络最近的发展提出了很多方法解决这一问题，但是所提出的框架并不受高斯模型不确定性的限制。我们得出的结果证明，在障碍物距离的不确定性上的表现比在拉普拉斯分布上的表现要好。

地址：https://arxiv.org/abs/1809.04891