基于中央凹视觉的梯度结构相似性图像质量评价

针对结构相似性(SSIM)指标在评价图像严重失真时存在不准确性,提出了一种基于中央凹视觉的梯度结构相似性的全参考图像质量评价方法 FGSSIM.利用梯度幅度和梯度方向描述图像的结构信息,结合图像亮度和对比度,得到图像的局部质量图.利用人眼视觉的中央凹视觉效应构造中央凹视觉矩阵,以此分配局部质量图的权重,从而提高模型的准确性.实验数据来源于美国Texas大学图像视频工程实验室提供的LIVE数据库.实验结果表明,本文提出的方法是一种有效的图像质量评价方法,评价结果能够准确反映图像质量,并且更加符合人眼主观感受.尤其在图像高度失真的情况下,该方法比广泛使用的SSIM和PSNR更优越.     

基于Bi-IndRNN的恶意URL分析与检测

本文提出一种基于双向IndRNN(Bidirectional Independently Recurrent Neural Network, Bi-IndRNN)的恶意URL分析与检测算法.通过对恶意URL分析与检测特点的研究,提取主机信息特征和URL信息特征.把主机信息特征与URL信息特征相融合,并利用Bi-IndRNN算法对恶意URL进行分析与检测.与k最邻近分类算法(k-NearestNeighbor, KNN)、高斯贝叶斯算法(GaussionNB)、LSTM(Long Short-Term Memory)算法、IndRNN(Independently Recurrent Neural Network)算法对比结果表明,该模型对恶意URL的分类检测准确率达到95.92%,明显高于其它算法模型.     

基于图正则化概念分解的网络入侵检测研究

作为一种有效的主动探测网络恶意攻击防护措施,入侵检测在变电站信息系统安全防护中得到了广泛的应用.但实际网络入侵数据类型的多样性、非负性和高维度性等特点使得现有方法存在检测率低、误报率高等不足.基于非负矩阵分解的方法在入侵检测上取得了较好的效果,却忽略了嵌入在数据局部的几何结构和标记信息.为此,本文提出一种基于图正则化约束的概念分解算法.通过将数据的几何结构和标记信息同时作为约束条件,建立了一种新的概念分解模型,并提出了迭代更新求解算法.通过在网络入侵数据集KDD99上的实验验证,其结果展示了所提算法的有效性和鲁棒性.     

基于视觉模型与菱形编码的图像隐写算法

为提高图像空域隐写算法的视觉不可感知性, 通过结合视觉注意力机制和人眼对图像的灰度及边缘等敏感特性, 提出一种基于视觉模型的感兴趣区域菱形编码隐写算法. 在底层人眼感知判定的基础之上, 根据视觉注意模型划分嵌入等级, 并动态调整秘密信息的嵌入量. 实验结果表明, 与基于边缘自适应的像素对匹配算法相比, 本文提出的算法不仅有较高的视觉不可感知性, 而且能抵抗常用的空域隐写分析.     

基于改进SSD算法的遥感影像小目标快速检测

针对遥感影像小目标检测难度大、准确率低、耗时长等问题,本文提出一种基于改进SSD算法以提升遥感影像小目标实时检测精度的方法.(1)采用深度可分离卷积代替普通卷积层,从而减少计算量、加快目标检测速度;(2)修改SSD网络层数,最终使用7个卷积层的SSD作为检测器,选取其中4个卷积层的输出进行检测,进一步减少模型复杂度和训练难度;(3)修改了每个检测层所产生的候选框大小,提高检测精度.实验结果表明:所提出的模型平均准确率达到82.40%,平均每张影像检测耗时1.86 s,充分验证了该方法的有效性.本文提出的基于改进的SSD算法在遥感影像小目标检测中具备有效性和实时性,在遥感影像小目标检测任务中效果良好.     

基于LBP和共生矩阵的图像拼接篡改检测

为了进一步提高图像拼接篡改检测的准确率,本文通过对图像拼接技术进行分析,提出一种基于纹理描述的图像拼接篡改检测方法.该方法将局部二值模式(LBP)和共生矩阵两种现有技术相结合,在残差图像的基础上利用改进的LBP技术对图像纹理进行描述,然后借助两类共生矩阵获取不同的图像特征,通过对这些特征向量的组合来提高检测精度.提取特征后利用支持向量机(SVM)或集成分类器进行分类预测.实验结果表明,所提出的方法在IEEE IFS-TC图像取证竞赛库和中国科学院彩色图像库分别达到了0.911和0.938的最高检测准确率.     

结合梯度与区域信息的变分水平集图像分割方法

在研究分析基于梯度的图像分割方法和基于区域的Chan-Vese(C-V)分割方法的基础上,提出了一种改进的分割方法,该方法将图像的边缘信息和区域信息相结合,既保留了基于图像边缘信息的分割方法对图像边缘逼近效果好、分割曲线光滑,又保留了基于图像区域信息的分割方法演化速度快、对弱边界和内部有空洞的情况处理效果较好两方面的优点.实验结果表明,该方法效果良好,鲁棒性较强.     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

HBROP:基于硬件性能计数器的函数级ROP检测

ROP(return oriented programming)能够绕过数据执行保护,并结合内存泄漏和暴力破解突破ASLR等现有系统防御机制,具有极大危害,为此本文基于ROP shellcode不满足时间和空间局部性原理,会影响分支预测不命中、缓存命中率等性能事件值的现象,提出了一种利用硬件性能计数器(hardware performance counters,HPCs)进行的ROP检测方法 HBROP,该方法分为离线预处理和动态监控两个阶段.在离线预处理阶段收集并存储所有函数正常的性能事件值,在动态监控阶段监测程序执行,在调用敏感系统函数前检测同一函数相同性能事件值是否异常变化.基于该方法,本文实现了一个HBROP的实验系统,实验表明,本文所选取的8个性能事件具有较好的ROP检测特征;本文的方法,与同类工作相比较,性能开销在可接受范围内.     

一种基于动态污点的内存越界访问检测框架

基于软件漏洞的APT(advanced persistent threat)攻击是目前互联网终端用户面临的最大安全威胁之一.传统的基于样本的检测方法往往滞后于攻击行动,无法在攻击发生时准确阻止攻击行为.针对悬浮指针(dangling pointer,DP)及索引溢出(index overflow,IOF)两类常见漏洞错误,通过分析漏洞的形成机理及防护条件下漏洞利用过程,提出一种针对上述两种错误的自动检测框架.该框架以二进制动态分析平台Pin为基础,使用动态插桩技术和污点技术,通过动态追踪指针的整个生命周期并对指针使用的合法性进行检查,从而准确检测出DP和IOF类型的漏洞攻击样本并提供详细的漏洞信息.     

大数据环境下基于信息论的入侵检测数据归一化方法

在大数据时代,入侵检测作为网络安全的一种重要技术手段被广泛采用.网络入侵检测数据不同的特征属性具有不同的量纲和量纲单位,为了消除特征属性之间的量纲影响,一般在进行数据分析之前采用归一化处理.当前网络入侵检测数据的归一化处理大多只考虑特征属性取值本身的分布情况,没有客观地评估它对类别信息或其他特征属性的影响.针对这个问题,提出了一种基于信息论的网络入侵检测数据归一化方法.对连续特征属性,它以联合信息增益作为区间的分割评估方法,以区间的类别占比作为标准依据进行归一化处理;对离散特征属性,它根据类别条件熵的占比进行了归一化处理.利用NSL-KDD数据集仿真实验,结果表明,该方法不仅能够提高学习算法的收敛性,而且归一化的结果有助于提高分类模型的检测率和降低分类模型的误报率.     

DroidFAR:一种基于程序语义的Android重打包应用抗混淆检测方法

为了使Android平台重打包应用检测的方法在面向大规模移动应用中既能实现快速、准确地检测重打包应用又能对抗代码混淆攻击,本文提出了一种基于程序语义的重打包应用抗混淆检测方法.该方法首先进行粗粒度的检测,即先将应用的程序依赖图抽象成程序语义特征,通过计算程序语义特征之间的相似性,实现快速的可疑重打包应用检测;然后使用程序依赖图作为应用的特征,完成可疑重打包应用细粒度的准确检测.基于文中的方法设计并实现了原型系统DroidFAR(Fast,Accurate and Robust).实验结果表明,本文方法检测的准确率达到95.1%,误报率低于1.2%,且能够有效地抵御代码混淆攻击.     

基于区间T-S模糊模型的自适应故障检测算法研究

针对传统的故障检测方法通常事先人为设定一个健康状况下的确定阈值来实现故障检测,往往不具有故障的自适应检测能力,本文提出了基于区间T-S模糊模型的自适应故障检测方法,即系统在运行过程中的不同时刻,系统无故障状态对应的阈值是不一样的.该方法首先将故障检测的问题转化为基于逼近误差的l1范数最小化的区间模型优化问题,应用线性规划对由T-S模型构成的区间[f L(t),f U(t)]参数进行求解.所建立的区间模糊模型将用于判断故障是否发生.最后,通过Tennessee Eastman(TE)过程论证了提出方法对故障检测的自适应能力和实时性.     

基于深度学习的高结构化恶意样本的检测方法

随着攻击检测及缓解等安全防护能力的增强,高结构化的文件(如PDF、HTML等)成为当前漏洞利用的主要目标。由于高结构化的文件具有结构复杂、格式多样、自定义规则灵活等特点,恶意样本的模式与规则难以抽取,导致传统基于模式和规则的检测方法难以应对高结构化恶意样本的检测问题。边界值填充、恶意代码嵌入等操作使得恶意样本字节流分布有所改变,依据样本字节流分布差异,本文提出了一种基于深度学习的高结构化恶意样本的检测方法(JLMethod)。该方法使用卷积神经网络对样本文件的字节流特征进行分类,能有效检测出恶意样本。在文档型PDF文件实验中以4. 1‰的漏报率、99. 59%准确率和在非文档型HTML恶意样本(WebShell)检测实验中以8. 5‰的漏报率、98. 89%准确率,验证了本文方法在高结构化恶意样本检测方面的可行性。     

基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.     

基于符号检测辅助的干扰对齐算法

干扰对齐(interference alignment,IA)是一种有效的干扰处理方法.通过预编码技术在接收端的特定维度上重叠干扰信号,进而完全消除干扰信号对所需信号的影响,而且能够提高信道的空间利用自由度.在干扰对齐中,通过在相同原理的相互不同网络上的预编码器和组合器的迭代计算来检测复杂符号.本文在传统的最小二乘法(least squares,LS)、最大信干噪比(maximum signal to interference plus noise ratio,MAX-SINR)算法的基础上,提出了基于符号检测辅助的最小二乘法(symbol detection aided least squares,SDA-LS)、符号检测辅助的最大信干噪比(symbol detection aided maximum signal to interference plus noise ratio,SDA-MAX-SINR)干扰对齐迭代算法.并且根据前者性能较差、复杂度低;后者复杂度高、性能优的特点,提出了一种基于符号检测辅助的最小二乘法和最大信干噪比相结合(symbol detection aided least squares combined with maximum signal to interference and noise ratio,SDA-LS+MAX-SINR)的干扰对齐迭代算法.通过计算机仿真,文中所提出的符号检测辅助算法比传统算法有更好的性能.     

基于查找表的电路老化检测传感器设计

通过对电路老化检测与查找表(Look-Up Table,LUT)方法的研究,提出一种基于查找表的电路老化检测传感器设计方案.该方案首先建立老化压控振荡器(Voltage Controlled Oscillator VCO)频率降级?t_p和电压压降?V_(DC)的老化模型,通过老化感知电路产生基准频率和老化频率其次,利用相位放大原理得到频差信号,并采用计数基准VCO周期的方式将频差信号量化.然后,按LUT规则将老化信息以电压方式输出.最后,在TSMC 65 nm CMOS工艺下仿真验证,结果表明所设计的老化检测传感器感应分辨率为0.001 8%,老化模型计算值与仿真数据相对误差在9%以内,能够实现电路老化检测的功能.     

基于谱系数的反对称变量检测算法

为简化布尔函数6类反对称变量的检测过程,提出了基于谱系数的检测算法.从逻辑变量反对称的定义出发,在分析反对称逻辑变量Rademacher-Walsh(RW)变换谱系数特性的基础上,提出了基于RW变换检测CN(xi|xj)、CE(xi|xj)、CS(xi|xj)、CS(xi|xj)、CS(xj|xi)、CS(xj|xi)6类反对称逻辑变量的算法.应用结果表明,该方法具有易操作和计算机编程简单等优点.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

云环境下基于内存总线的侧信道攻击检测方法

云计算环境下存在基于内存总线阻塞的侧信道,恶意用户可利用该侧信道以最低权限窃取客户敏感信息.针对这一问题,本文引入时序差分熵和虚拟机自省技术,提出了一种面向云计算的基于内存总线的侧信道攻击检测方法.该方法不仅可依据内存阻塞时序特征及系统负载状况对系统状态分类,而且实现了系统高危态的精确判定和恶意进程定位.实验结果表明:该方法能准确识别攻击的存在性,并能实现恶意进程的定位.