异构分类器堆叠泛化及其在恶意评论检测中的应用

恶意评论检测是预防社会媒体平台给用户带来负面影响的一项重要工作,是自然语言处理的重要领域之一.为解决单分类器实现恶意评论检测时模型精度不稳定、boosting集成模型精度较低的问题,提出一种异构分类器堆叠泛化的方法.该方法用深度循环神经网络将多标签的恶意评论分类问题转变为二类分类,防止了模型精度不稳定;用堆叠泛化集成时单个分类器GRU（Gated Recurrent Unit）和NB-SVM（Naïve Bayes-Support Vector Machine）在模型结构和分类偏差上的差异性,改善了模型精度.在维基百科恶意评论数据集上的对比实验证明：提出的方法优于boosting集成,说明堆叠泛化异构分类器实现恶意评论检测是可行且有效的.     

我国网络安全现状的分析及建议

网络安全问题已成为信息时代人类共同面临的挑战,国内的网络安全问题也日益突出。具体表现为:计算机系统受病毒感染和破坏的情况相当严重;电脑黑客活动已形成重要威胁;信息基础设施面临网络安全的挑战;信息系统在预测、反应、防范和恢复能力方面存在许多薄弱环节;网络政治颠覆活动频繁。文中分析了制约提高我国网络安全防范能力的主要因素,就政府如何提高我国网络的安全性提出几点建议:尽快制定具有战略眼光的“国家网络安全计划”;建立有效的国家信息安全管理体系;加快出台一系列相关法律法规,改变目前相关法律法规太笼统、缺乏操作性的现状;在信息技术及其关键产品的研发方面,提供具有超前意识的全局性目标和相关产业政策;建立一个功能齐备、全局协调的安全技术平台,与信息安全管理体系相互支撑和配合。     

具有主动防御能力的智能信息安全管理系统

本文分析了通常网络管理系统和安全管理系统的技术发展趋势,并针对城域信息安全防御体系的主动防御能力,提出了具有主动防御能力的智能安全管理系统。本系统实现了专家系统和推理机,具有根据安全事件数据发现攻击行为,通过关联分析智能判断攻击行为趋势的能力,在城市信息安全防御体系中具有重要地位。     

一种基于IATF的信息系统安全性评价模型的研究

本文运用层次分析法对信息保障技术框架进行分析,提出了一种基于AHP方法的量化信息系统安全性评分方法,并应用了模糊数学理论来满足多专家的评分活动。