基于参数优化元学习和困难样本挖掘的小样本恶意软件分类方法

在恶意软件分类中,针对新出现的恶意软件样本数量少导致分类准确性低的问题,提出了一种基于参数优化元学习和困难样本挖掘的方法.首先,将恶意软件反编译得到二进制文件,进而转化为灰度图.然后,使用参数优化元学习在多个任务上训练模型,获得浅层神经网络的初始化参数,并在此基础上,根据测试集中的少量任务来微调模型.同时,结合困难样本...     

一种基于行为的Android恶意软件家族聚类方法

基于同一家族恶意软件在行为上的相似性特征,提出了一种基于行为的Android恶意软件家族聚类方法.该方法构建了软件行为刻画特征集合,通过定制ROM的方式来构建行为捕获机制并采集恶意软件的行为日志,基于行为日志提炼恶意软件特征集,使用DBSCAN(density-based spatial clustering of applications with noise)聚类算法进行家族聚类.通过对大量已经人工分类的恶意软件进行评估,实验结果表明,在最优情况下,本方法在聚类准确率上达到了91.3%,在测试样本识别预测上正确率达到了82.3%.     

一种基于三通道图像的恶意软件分类方法

针对传统恶意软件采用图像分类方法准确率不高、抗混淆能力弱、模型训练收敛慢的缺点,本文对恶意软件图像表示方法进行改进,将恶意软件、字节Bigram、Lst文件转化成3种灰度图像,将3种灰度图像组合成三通道彩色图像进行分类,并将图像分类效果好的EfficientNet模型用于恶意软件图像分类.结合迁移学习领域中的微调技术将...     

Android恶意软件检测研究与进展

针对持续恶化的Android安全形势,从恶意软件检测的角度,首先总结了Android恶意软件在安装、触发和恶意负载方面的特征和发展趋势;以此为基础,结合Android平台特性和移动智能终端环境限制,系统化论述了现有Android恶意软件分析与判定技术,指出了权限分析、动态分析和静态分析的实现方法及其优缺点;介绍了基于特征值和基于启发式的恶意软件判定方法.最后,根据已有Android恶意软件检测研究的不足,提出了未来的研究方向和发展趋势.     

基于关联规则遥感影像的分类研究——以渭库绿洲为例

对遥感影像的计算机图像处理与识别技术是现阶段遥感技术研究的热点内容,本文对新疆渭干–库车河流域不同分辨率的全色影像与多光谱影像融合并构建多源空间数据库,再通过与面向对象分类法相结合,进行图像分割、特征提取后将结果取值输入Matlab软件,编制相应的算法程序,构建关联规则分类器,探索分类规则并进行遥感影像的分类.同样基于Matlab软件平台,根据最大似然分类算法对同一研究区影像进行分类,并对分类结果进行精度检验.结果表明:相较传统分类方法,关联规则方法拓宽了传统逻辑推理分类方法中获取信息的途径,使分类更加智能化,提高并增强了影像分类速度与算法可靠性,分类精度得到显著提高,Kapp系数为0.83.因此,关联规则方法更适用于影像分类,可以作为研究区有效信息提取的支持手段.     

银鲳脾脏和头肾的形态与组织学特征

为了解银鲳(Pampus argenteus)免疫器官的特点, 采用解剖及组织切片显微技术, 对银鲳脾脏和头肾的形态与组织学结构特征进行观察. 结果显示: 银鲳的脾脏位于胃后方, 前肠背侧, 外被薄层结缔组织, 内部实质由红髓和白髓组成; 脾小梁结构不明显, 内含大量淋巴细胞、红细胞及丰富的动脉、静脉和椭圆体结构; 有黑色素巨噬细胞及其聚集形成的黑色素巨噬细胞中心, 无神经束结构; 头肾位于食道背侧, 口腔内咽退缩肌上方, 表面有胶原纤维构成的薄层被膜, 内部为淋巴样实质组织, 无肾单位结构; 头肾含有丰富的淋巴细胞和少量红细胞, 分布有动脉、静脉和毛细血管, 在毛细血管旁存在肾上组织, 实质中可见黑色素巨噬细胞中心. 研究结果表明, 银鲳的脾脏和头肾是体内重要的免疫和造血器官.     

基于AMESim的采棉机液压系统设计与仿真分析

液压技术在采棉机上的应用实现了采棉机的自动化,采棉机的机械自动化可以提高采棉效率,节约成本.本文设计完成了采棉机液压系统,包括采棉头升降液压系统、棉箱翻转液压系统和采棉头液压驱动系统.利用AMESim软件建立采棉机液压系统模型,并进行了仿真分析,得到了采棉机液压系统的执行元件的仿真曲线.结果表明,采棉头液压马达负载偏差不宜太大,以保证采棉头正常高效作业.液压缸和液压马达运行平稳,输出参数稳定,设计的液压系统能够满足采棉作业使用要求.     

关联规则在网络异常检测中的应用

异常检测在网络安全中已成为一个重要的课题,异常检测是入侵检测(IDS)的一种,它对网络及用户正常行为的特征进行描述,并通过对正常网络行为的偏差的比较来实现入侵检测.关联规则是一种典型的数据挖掘方法,可以用来描述事物之间在特定条件下存在的某种强度的联系.通过对网络数据进行采集并利用关联规则数据挖掘的方法描述网络特性,建立了一个有效的网络异常检测系统模型,获得了较好的效果.     

基于Rough集从临床数据中提取诊断规则

在医学上,没有正确的诊断就没有正确的治疗.本文提出用简化的分明矩阵方法对临床数据信息表属性约简,并在此基础上提出相应分类和合并诊断规则生成算法.通过对该数据集测试表明,此算法是可行有效的,并缩短了诊断规则长度,有时还能为病人节省不必要的检查.     

新疆蝗虫二新种（直翅目：蝗总科）

本文记述在新疆发现的蝗虫二新种。新种荒漠蚍蝗Eremippus barbarus sp. nov.,近似于Eremippus apacus Mistsh.及E. foveolatus Mistsht,主要区别为雄性触角中段一节较细,其长为宽的1.9倍;两性前翅较短,其顶端到达后足股节膝部(雄性)或后足2/3处(雌性);又以雄性肛上板顶端较钝区别于E. apacus,以雄性头侧窝较宽(长为宽的1.9倍)区别于E. foveolatus.新种Sphingonotus striatus sp. nov. 近似于盐池束颈蝗sphingonotus yenchihensis cheng et Chiu,主要区别为雄性复眼较长,其长为眼下沟长的2倍;两性后足股节较细长。其长为宽的5倍(雄)或4.4倍(雌);两性自头顶到前胸背板后缘具一宽的黑褐色中央纵纹;前翅无暗色横带纹,后足胫节无明显的暗色环。     

基于Hash函数改进遗传算法的 IPv6下模糊异常检测模型

为了实现基于IPv6的异常检测，设计了一种新的高效异常检测模型．针对传统遗传算法编码效率低下的不足进行了改进．该模型使用基于遗传算法的IPv6模糊异常检测规则生成技术，采用Hash函数进行初始种群优化、随机实数编码进行种群编码，提高了检测准确性．使用实时网络数据流对原型系统和Snort进行对比测试，结果表明所提出的模型在检测效率上有明显改善．     

基于分级的MRF视频运动检测算法及其实现

在阐述马尔可夫随机场（MRF）视频运动检测算法理论的基础上，采用分级的方法，形成图像序列的时空多分辨率结构，大大优化了单一分辨率MRF算法 的初始化过程，并通过软件进行了实现，有效改进了单一分辨率算法检测的结果。该算法应用于数字视频监控系统，可明显提高检测精度，具有较好的应用前景。     

基于特征颜色的车牌边缘检测方法

介绍了基于汽车车牌图像边缘检测的定位算法和基于车牌特征颜色的分析方法.本文有两部分组成，其一是基于色彩空间相似度的颜色判别方法，另一部分是在此基础上的边缘检测.本文方法充分利用了车牌的色彩特征，大量的实验结果也表明了该方法思路简单、实用.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

基于规则的维吾尔语对偶词识别算法研究

维吾尔语对偶词的自动识别是维吾尔语自然语言处理中的一项基础性工作．维吾尔语对偶词的自动识别是维吾尔语自动分词的难点之一,也是一个重点．在维吾尔语中,内部成分平等连接而形成的词汇单位叫做对偶词．本文首先介绍了对偶词的基本概念和特征,然后分析了维吾尔语对偶词的结构特征和结合规则．在字符串匹配算法的基础上,提出了一种基于规则的维吾尔语对偶词的识别算法,并通过试验证明了该算法的正确性．     

多元组粗糙集合在规则生成中的应用

多元组粗糙集合是对传统粗糙集合的一种推广,它具有比传统粗糙集合描述更直接,更方便等优点,并能导出决策表中相应的确定规则,可能规则和否定规则,通过比较发现它能有效的提高规则生成效率,文中所给出的算法特别适合于具有重复元组的决策表。     

一种改进的多符号反馈检测算法在快速瑞利衰落信道中的研究

针对多符号差分检测（MSDD）存在着和分组长度成指数级的高计算复杂度的问题,提出了一种改进的多符号反馈检测（IMDFD）算法,它除了具有低复杂度的性能外,还能克服多符号反馈检测（MDFD）的错误传播和低信噪比下性能恶化的问题．仿真结果表明这种算法通过增加观察间隔,能很好地填补差分检测和相关检测之间的性能间距,并且随着考虑的序列长度逐渐减小,IMDFD算法在复杂度稍微增大的基础上,系统的性能也在逐渐增强．     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于Rete模式匹配算法的入侵检测系统

设计并实现了一个基于专家系统的网络入侵特征检测系统．针对当前入侵检测推理机制中存在的时间冗余性问题，在入侵检测推理过程中采用了Rete模式匹配算法，对推理机制进行了优化．实验结果表明，该系统在检出率和检测效率上要明显高于未采用Rete模式匹配算法的系统，采用Rete模式匹配算法能有效地克服时间冗余性问题，并改善了系统的性能．     

基于粗集理论的MIB变量开采

利用粗集理论对大量的MIB（Manager information base)变量进行数据挖掘,找出反映网络故障现象的MIB变量组及其逻辑组合关系,通过对网络故障采集的MIB变量离散化,运用粗集方法去处错误和不必要的数据,提取表现故障现象的规则,并将规则用于设计计算机网络故障诊断程序,给出了具体的分析过程和算法的实现步骤。