检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

6 篇 学位论文

馆藏范围

6 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

6 篇 工学
- 3 篇 计算机科学与技术...
- 2 篇 仪器科学与技术
- 2 篇 软件工程
- 2 篇 网络空间安全
- 1 篇 电子科学与技术（可...
- 1 篇 信息与通信工程
- 1 篇 控制科学与工程
- 1 篇 公安技术
2 篇 管理学
- 2 篇 管理科学与工程(可...

主题

6 篇 恶意用户识别
2 篇 社交网络
1 篇 排队论
1 篇 用户画像
1 篇 注意力机制
1 篇 微博
1 篇 区块链
1 篇 多语言环境
1 篇 拍卖算法
1 篇 安全性分析
1 篇 博弈论
1 篇 移动社交用户
1 篇 蚁群算法
1 篇 用户关系
1 篇 社交群组
1 篇 用户信誉排名系统
1 篇 车联网众包
1 篇 任务分配
1 篇 电子商务
1 篇 深度学习

机构

1 篇 北京交通大学
1 篇 中国科学院大学
1 篇 北京邮电大学
1 篇 南京财经大学
1 篇 武汉大学
1 篇 青岛科技大学

作者

1 篇 冯阔
1 篇 徐娟
1 篇 黄家涛
1 篇 孙术林
1 篇 赵建勋
1 篇 康哲舟

语言

6 篇 中文

检索条件"主题词=恶意用户识别"

共 6 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

多语言环境下基于用户画像的社交网络恶意用户识别

多语言环境下基于用户画像的社交网络恶意用户识别

引用

作者：冯阔武汉大学

学位级别：硕士

随着互联网技术的飞速发展,各类社交网络平台大量涌现,并因其打破地域和时间限制而一跃成为了人们获取资讯、沟通交流的重要平台。一时间大量网民涌入其中,但是久而久之也滋生了一批恶意用户。他们可能随时在社交网络中散布恶意信息,包... 详细信息

随着互联网技术的飞速发展,各类社交网络平台大量涌现,并因其打破地域和时间限制而一跃成为了人们获取资讯、沟通交流的重要平台。一时间大量网民涌入其中,但是久而久之也滋生了一批恶意用户。他们可能随时在社交网络中散布恶意信息,包括含有诈骗信息的恶意广告、非法获取个人隐私的恶意链接甚至是误导公众舆论的诽谤谣言等。由此可见,如果能够准确识别社交网络中的恶意用户,就能够在掌握其传播动机和行为后及时管控干预,不但能够保障广大社交用户的隐私和财产安全等合法权益,还能够积极维护社交平台的公信力和形象,对于维护社会乃至国家的公共安全都具有重大现实意义。近年来众多研究者在社交网络的恶意用户识别工作中贡献了大量的思路和方法。这些研究主要从两个角度出发,即基于内容的识别和基于行为的识别。前者主要利用语义分析的手段判断用户所发帖子中是否包含恶意信息,而后者则是通过挖掘用户的社交关系和交互行为来判断用户是否为恶意用户。然而,这两类研究方法具有以下两方面的局限性:(1)通过帖子的恶意性来识别恶意用户较为片面,仅适用于长期发布恶意帖子并且内容高度一致的恶意用户的识别。为了逃避社交网络的安全检查,恶意用户尽量避免公开发帖而是通过关注和私信骚扰大量正常用户来达到不可告人的目的。而且基于内容的识别方法更多从语义角度理解用户的发帖内容,仅能筛查出一部分恶意用户的身份。(2)几乎所有识别方法都仅关注社交用户的可见交互行为,而忽略了社交网络中隐含的用户间的潜在交互。在基于行为的方法中,绝大多数研究通过挖掘用户之间的关注、转发等交互来构建用户关联,利用传播结构识别恶意用户。但是,用户之间还存在潜在交互,即由于用户的相似性而成为同类恶意用户的攻击对象。为了应对以上两个挑战,本文提出了一种多语言环境下基于用户画像的社交网络恶意用户识别方法,并概括为以下三个方面: (1)为了全面挖掘社交用户的个人特性和交互行为来识别恶意用户身份,本文首次提出并构建了多粒度交互结构,并学习不同交互行为的表示。该结构包含两类节点,一类为采用个人认知特征表示的用户节点,另一类是用于发现潜在交互的群体用户画像节点。结构中的“用户-用户”边用于表示用户间的可见交互,而“用户-群体画像-用户”表示相似画像的用户之间的潜在交互。随后,本文提出了学习可见交互和潜在交互的表达的不同方法。依托于群体的用户画像,该结构能够从多种粒度挖掘用户的个人特性和交互关系,作为从多层级学习用户表示从而识别恶意用户的理论依据。 (2)为了从多种角度综合判断从而识别恶意用户,本文提出了多层级恶意用户识别模型Multi-Spam。该模型结合多粒度交互结构的表达信息,从用户个体、用户-用户以及用户-群体三个层级捕获用户行为和特征,学习不同层级下的用户表示。用户个体层级主要捕获用户的认知特征和帖子的语义特征来进行用户表示。为了让模型适应于多种语言环境,该层级融合了预训练的跨语言模型将中英文文本尝试学习统一的语义映射。用户-用户层级主要考虑捕获用户之间的可见交互行为,利用用户的显式关联关系来学习用户表示。用户-群体层级挖掘用户之间的潜在交互行为,并学习在考虑用户隐式关联性之后的表示方法。最后,引入注意力机制在融合用户表示前分配权重,并利用深度神经网络识别恶意用户。 (3)为了验证本文提出的模型Multi-Spam的有效性,实验阶段采用多个大规模真实数据集进行验证。相较于现有先进的恶意用户识别方法以及经典的无监督学习方法,Multi-Spam表现出最佳的识别性能,有效将准确率提高至0.845。同时,实验验证部分不仅对比并分析了Multi-Spam不同变体的预测性能以及各层级发挥的不同作用,还通过对比实验验证了模型的稳定性,从而体现本文所提出的恶意用户识别模型的优越性。

关键词：社交网络多语言环境用户画像交互行为恶意用户识别

来源：评论

学校读者我要写书评

暂无评论

面向社交网络的恶意用户识别技术研究

面向社交网络的恶意用户识别技术研究

引用

作者：康哲舟中国科学院大学

学位级别：硕士

社交网络恶意用户识别是现实社会生活中一个重要的问题。随着近年来社交网络的普及，社交网络用户数量逐年增长，社交网络的影响力快速增加。然而，社交网络用户良莠不齐，存在大量怀有不良意图的用户，因此，网络社交的安全性受到越来... 详细信息

社交网络恶意用户识别是现实社会生活中一个重要的问题。随着近年来社交网络的普及，社交网络用户数量逐年增长，社交网络的影响力快速增加。然而，社交网络用户良莠不齐，存在大量怀有不良意图的用户，因此，网络社交的安全性受到越来越多的关注。本文致力于研究社交网络中的恶意用户识别问题，肃清社交网络环境。社交网络恶意用户识别是指从社交网络平台的众多用户中找到经常散布不实消息或怀有不良意图的用户，锁定恶意消息的关键传播用户。这项研究具有重要意义:首先，社交网络恶意用户识别是对网络社交安全的一种保障。其次，社交网络恶意用户识别是切断虚假消息传播的有效途径。最后，社交网络恶意用户识别对打造清朗的社交网络环境、引导社会舆论健康发展具有重大意义。　　受社交网络用户数量大，用户关系复杂的特点影响，当前社交网络恶意用户识别的研究面临社交网络用户属性缺失，用户言论语义复杂，用户行为类型多样等问题。为了进一步提高社交网络的恶意用户识别效果，本文的主要贡献如下:　　(1)针对社交网络中用户属性可能存在虚假或者伪造的情况，我们基于“用户与好友具有一定的相似性”的基础假设，提出两种基于层次注意力机制的用户属性填充方法HAGN和HIAGN。基于层次注意力机制的模型主要包含两个关键技术:基于用户好友关系构建用户自中心网络、基于用户属性和好友关系构建分层注意力模型。模型结合了用户的好友关系，好友的属性信息，进一步提升了用户属性的预测精度。在知乎和新浪微博数据集上，用户属性预测实验的正确率分别达到了95.137％和91.254％，F1值分别达到了86.050％和83.169％。　　(2)针对社交网络用户言论口语化严重、言论语义复杂、多噪音的问题，我们结合多条用户言论，提出一种基于内容异质网络的异质深度图卷积模型HDGCN挖掘用户言论的真实语义。HDGCN模型首先利用用户好友关系构建言论内容异质图，整合用户多条言论之间的关系。其次，HDGCN扩大了模型的感受野，使得模型可以关注到更长距离的依赖。同时，HDGCN引入了稀疏卷积的方法，进一步加深了图卷积网络。最后，HDGCN引入了层次注意力机制，模型可以关注到不同层的图卷积表示，将不同卷积层的表示结果加权融合。我们在Fakeddit数据集的二分类、三分类、六分类任务中分别取得了90.6％，87.7％和82.3％的正确率和88.5％，85.8％和83.2％的F1值的效果。在微博数据集上实现了96.1％的准确率和96.0％的F1值。　　(3)针对社交网络用户行为复杂，包含多种行为类型的问题，我们提出一种联合异质网络JHN挖掘用户多种类型行为的特征，实现多种类型行为的综合分析。JHN结合了当前最先进的异质图网络算法的特点，可以同时关注到异质图中异质的节点信息和异质的边信息。首先，JHN包含双层注意力机制用于获取异质图中节点的类型信息和节点的属性信息。其次，JHN包含异质边方法，可以有效区分异质图中多种类型的边信息。为了公平的对比，我们在相似任务的公开数据集上验证了我们的JHN方法，在四个新闻数据集THUCNews，AGNews，Fakeddit，SougouNews上分别实现了97.1％，91.1％，87.1％和95.1％的F1值。　　(4)我们融合了上述三种用户信息，将用户属性信息、用户言论信息和用户的行为信息构建成异质图，使用JHN对图进行分析，并在某视频网站的用户数据集上进行了恶意用户检测实验，实验分别达到了85.70％的正确率和87.49％的F1值。经过验证，我们的实验方法在众多先进的模型中达到了最佳效果。

关键词：恶意用户识别社交网络注意力机制深度学习图网络

来源：评论

学校读者我要写书评

暂无评论

基于迭代偏差和多层图卷积神经网络的电商平台恶意用户识别

基于迭代偏差和多层图卷积神经网络的电商平台恶意用户识别

引用

作者：黄家涛南京财经大学

学位级别：硕士

电子商务平台(e-commerce platform)的蓬勃发展导致平台中数据规模呈指数级增长,无论是购买的用户还是上架的商品都会令人眼花缭乱,因此在用户不知道商品的真实质量的情况下,大多数的交易都需要依赖于商品的一个评级分数或者被评价内容... 详细信息

电子商务平台(e-commerce platform)的蓬勃发展导致平台中数据规模呈指数级增长,无论是购买的用户还是上架的商品都会令人眼花缭乱,因此在用户不知道商品的真实质量的情况下,大多数的交易都需要依赖于商品的一个评级分数或者被评价内容,这就导致商品的评级分数或者被评价内容在客户购买决策中扮演越来越重要的角色。虽然新兴的电子商务在线平台给用户带来了方便,但是也滋生了大量虚假和欺诈信息的出现,我们将在电商平台中评分评论过程中编造虚假的用户体验、发表与产品或服务的真实情况不符的评分评价的用户称为恶意用户(Malicious user)。首先在“用户-商品-评分”的电子商务系统中,很多研究者基于用户对商品的评分来构建用户信誉排名系统。这样用户信誉值低的用户即被识别为恶意用户。尽管这样的方法相对可行,但当恶意用户数量达到一个临界值时,这些算法在某些方面就会表现出不够健壮的情况。甚至随着互联网的进一步发展,电子商务系统中并不仅仅只有用户对商品的评分,还有用户对商品的评价内容,这就使得恶意用户的手段越来越高明,恶意用户往往通过与普通用户建立联系去伪装自己,让自己的恶意行为更隐蔽。为了识别出这些更隐蔽的恶意用户,研究者们开始应用图卷积神经网络的方法,通过对用户的行为特征和评分评价内容特征去揭示用户的可疑性,将有反常行为的用户被判定为恶意用户。然而,通常使用的图卷积神经网络只有两层,这使得我们无法获得更高阶节点信息,也无法可以更准确的识别恶意用户。因此,在本文中,我们对于“用户-商品-评分”的网络首先提出了一种基于迭代偏差的用户信誉排名(IDR)方法。它的设计来源于一个普遍的事实,即排名较高的用户通常表现出较小的偏差评分;而影响排名的另一个因素来自用户的评分模式。高质量的评分通常由具有峰值评分模式的用户给出。在四个真实稀疏数据集上,并与三种信誉排名算法进行对比,实验结果表明,该方法的有效性和鲁棒性优于其他方法。其次,针对利用评分评论进行隐藏自己身份的的恶意用户,本文应用图卷积神经网络(GCN)的技术提取用户的特征,这里的特征由我们自己设计:此外,我们还从图卷积神经网络的组成结构探讨使用多层图卷积神经网络(M-GCN)对识别恶意用户的影响。最后,在实际数据集上进行结果对比,提出的方法对恶意用户的识别精度提高了。

关键词：电子商务恶意用户识别二部网络用户信誉排名系统图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

微博恶意用户识别

微博恶意用户识别

引用

作者：赵建勋北京交通大学

学位级别：硕士

随着互联网技术的不断发展,以Facebook, Twitter为代表的在线社交网络成为了人们相互之间交流的重要途径。而在国内,微博更是成为时下最热门的在线社交网络。然而,微博中还充斥着大量的利用微博传递恶意信息、实施恶意行为的恶意用户,... 详细信息

随着互联网技术的不断发展,以Facebook, Twitter为代表的在线社交网络成为了人们相互之间交流的重要途径。而在国内,微博更是成为时下最热门的在线社交网络。然而,微博中还充斥着大量的利用微博传递恶意信息、实施恶意行为的恶意用户,对微博生态和微博中正常用户的隐私和财产安全构成了威胁。因此,关于反恶意用户方法的研究具有很大现实意义,这其中就包括恶意用户识别技术。当前,微博恶意用户识别的研究主要集中在两个方面,一是基于恶意信息内容与统计特征分析,二是基于恶意用户的行为特征和用户关系。研究者们或从一个方向,或从两个方向同时着手,取得了大量的研究成果。然而目前的方法普遍只能利用二分类方法简单区分恶意用户与正常用户。本文承袭前人经验,从微博及其恶意用户行为研究入手,依照恶意用户行为策略,对恶意用户进行了更为系统的分类。结合博弈论建立了正常用户与恶意用户之间的行为博弈模型,并以模型为基础对微博用户的谨慎程度进行定量计算。通过谨慎度,强化了微博用户行为特征对正常用户和恶意用户的区分能力。最后应用基于置信度的多蚁群随机游走(CARW)算法对恶意用户进行识别。本文的主要工作包括以下几方面：首先,本文针对当前恶意用户分类不够清晰的现状,对恶意用户类型进行了更为系统的划分。研究过程中,通过更为多样的途径对微博中的恶意用户样本及相关数据进行采集,经过对用户样本在实施恶意行为过程中行为策略的观察与研究,重新划分恶意用户的类型。在此基础上,本文对各类用户的行为特征进行了定量分析和对比。随后,为了应对恶意用户针对当前识别方法做出的适应性改变,本文利用博弈论建立了正常用户与恶意用户之间的行为博弈模型,并通过行为博弈模型对用户的谨慎度进行了求解。利用谨慎度对用户的行为特征进行调整,有效抵消了恶意用户通过模仿普通用户行为对一般识别方法带来的干扰。通过实验证明,利用通过用户行为博弈模型求解出的谨慎度有效提高了识别算法的性能,综合提高比例达到5%。最后,针对传统恶意用户识别方法不能够对恶意用户进行多类分类的不足,本文在使用谨慎度对用户行为特征调整的基础上,采用CARW算法对微博中恶意用户进行识别。实验结果证明,算法不仅能够有效识别出微博中的恶意用户,还能够对其所属的用户类型进行归类。其中将恶意用户正确归类的准确率可以达到50%以上,识别出恶意用户的准确率接近90%。

关键词：微博恶意用户识别博弈论用户关系蚁群算法机器学习

来源：评论

学校读者我要写书评

暂无评论

基于区块链的车联网众包性能评价

基于区块链的车联网众包性能评价

引用

作者：孙术林青岛科技大学

学位级别：硕士

随着车联网技术、移动通信技术和人工智能的快速发展,智慧城市和智慧交通已经成为新的发展趋势,车联网众包作为车-车、车-路信息交互平台,是信息交互和共享的基础。然而,传统的车联网众包存在着信任问题和时延问题,这些问题会导致众包... 详细信息

随着车联网技术、移动通信技术和人工智能的快速发展,智慧城市和智慧交通已经成为新的发展趋势,车联网众包作为车-车、车-路信息交互平台,是信息交互和共享的基础。然而,传统的车联网众包存在着信任问题和时延问题,这些问题会导致众包服务质量低。因此,解决车联网众包中的信任问题和降低网络延迟是提高用户满意度和众包服务质量的关键所在。本文采用区块链技术来解决车联网众包中存在的用户之间的不信任问题,然而仅仅通过区块链来保证用户之间的互信并不能有效提高众包服务质量,即经过合法认证的车联网众包用户并不代表具有良好的行为。因此本文在基于区块链的用户偏好停车辅助联盟(a blockchain-based Parking Assistance Alliance with user preference,PAA)中,设计了双向拍卖定价算法,保证用户自身报价的真实性,基于恶意用户识别信任模型(Identifying Malicious Users,IMU)的可信分布式众包框架,识别用户的恶意行为并将其隔离出交易,同时设计合理的任务分配和激励机制来提高用户满意度。其次,本文提出了面向车联网众包的多通道区块链(Multi-Channel Blockchain for the Internet of Vehicles Crowdsourcing,MCB),并设计了高效的服务流程和优先处理延迟敏感消息方案,来解决车联网低时延应用的时延挑战。首先,PAA中引入用户偏好和车位属性,结合车位请求者和停车位的供需关系,定义了匹配优先级,在保证最大化用户满意度的前提下,提高了任务分配的成功率,同时,提出的双向拍卖定价算法实现了真实性、个体理性和预算平衡;其次,构建基于IMU的可信分布式众包框架,解决车联网众包中存在恶意用户参与众包交易的问题,通过基于信誉值的IMU快速识别四种不同的恶意行为用户,并针对不同的众包交易设计了对应的服务流程。最后,MCB通过根据不同的交易类型划分不同的通道,降低了平均交易确认时间,同时将交易消息区分为延迟敏感消息和非延迟敏感消息,并通过排队论对其进行了建模与分析。

关键词：车联网众包区块链任务分配拍卖算法恶意用户识别排队论

来源：评论

学校读者我要写书评

暂无评论

移动社交用户安全性分析研究与实现

移动社交用户安全性分析研究与实现

引用

作者：徐娟北京邮电大学

学位级别：硕士

随着移动互联网的快速发展,移动社交成为人们日常交流通信的重要途径。国内以手机QQ、微信为代表的移动社网络因其移动性、便捷性、社交性等特点,迅速成为时下最热门的社交方式。然而,随着移动社交用户规模的不断扩大,以及移动社交网络... 详细信息

随着移动互联网的快速发展,移动社交成为人们日常交流通信的重要途径。国内以手机QQ、微信为代表的移动社网络因其移动性、便捷性、社交性等特点,迅速成为时下最热门的社交方式。然而,随着移动社交用户规模的不断扩大,以及移动社交网络的相对隐蔽性和扩散效应,移动社交网络逐渐被恶意用户盯上,成为各类不安全事件发生的温床。因此,对移动社交网络进行监督管理,为用户营造健康安全的移动社交网络环境具有重要的现实意义。社交网络监督管理中,社交用户安全性分析技术在近年成为研究热门。目前,国内外对于社交用户安全性分析的相关研究可总结为以下两点,一是基于用户社交内容,包括用户发言内容及其统计特点,另一点是基于社交用户的行为、关系等特征。相关专家学者们通常从上述一个或两个方面出发,来对在线社交平台上的社交用户进行分析,并取得了较好的研究成果。但是,移动社交网络中,由于用户的社交账号以及社交内容通常包含更多的用户隐私信息,所以用户的隐私保护强度更高,这就导致无法利用现有的网络爬虫技术以及社交平台的开放API接口采集移动社交用户的社交内容、行为特征以及用户关系等数据,从而也就无法直接利用现有的社交用户分析技术对移动社交用户进行安全性分析。另一方面,目前针对移动社交用户的监督管理主要依赖于用户举报,通常是在恶意行为发生以后,甚至是在形成一定规模后才进行处理,这种事后追查的方式取证困难、花费时间长。因此,如何解决移动社交用户数据采集难的问题,在恶意行为发生前,或者在其未形成规模前对移动社交用户进行安全性分析,识别恶意用户具有重要研究价值。本文通过对移动社交网络的基本概念、信息传播特点以及社交方式进行研究,结合Android应用界面结构特点以及Android的自动化测试技术等,基于传统的社交用户安全性分析方法提出了一种移动社交用户安全性分析方法。该方法首先研究移动社交用户数据采集方法,设计并实现了一个基于Android的移动社交用户数据自动采集工具,该工具从社交群组的角度出发进行社交群组数据和用户数据采集,克服了移动社交用户数据采集困难的问题。然后通过对社交群组进行系统研究,提出将社交群组的对话流和群描述信息结合,利用自然语言处理技术对这两部分内容进行主题挖掘,从而发现群组内对话流与群描述不符合的异常社交群组。接着针对发现的异常社交群组,结合群组成员的内容特征和行为特征来进行恶意用户识别。最后,通过实验证明本文设计的移动社交用户数据采集工具能够有效进行用户数据采集,并验证了本文提出的移动社交用户安全性分析方法具有很好的准确性和可行性。

关键词：移动社交用户安全性分析社交群组恶意用户识别

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：