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

2 篇 学位论文

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 仪器科学与技术
- 1 篇 控制科学与工程
- 1 篇 网络空间安全
1 篇 管理学
- 1 篇 管理科学与工程(可...
1 篇 艺术学
- 1 篇 设计学（可授艺术学...

主题

2 篇 距离计算策略
1 篇 果蝇算法
1 篇 聚类算法
1 篇 能量调控
1 篇 不确定数据
1 篇 阈值自适应
1 篇 定向模糊测试
1 篇 区间数

机构

1 篇 兰州理工大学
1 篇 重庆大学

作者

1 篇 刘锦琨
1 篇 李春晖

语言

2 篇 中文

检索条件"主题词=距离计算策略"

共 2 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：

定向模糊测试关键技术研究

定向模糊测试关键技术研究

引用

作者：刘锦琨兰州理工大学

学位级别：硕士

模糊测试技术是目前漏洞挖掘技术中最具有代表性的一种方法,但由于最初的模糊测试技术在产生测试用例阶段存在着随机性和盲目性,使得检测漏洞的效率并不是十分理想。而对于定向模糊测试技术来说,它更偏向于在被测目标程序的指定区域中... 详细信息

模糊测试技术是目前漏洞挖掘技术中最具有代表性的一种方法,但由于最初的模糊测试技术在产生测试用例阶段存在着随机性和盲目性,使得检测漏洞的效率并不是十分理想。而对于定向模糊测试技术来说,它更偏向于在被测目标程序的指定区域中进行漏洞检测,能够有效地定位到有问题的关键系统调用或危险位置,或者指向希望重现的报告漏洞的堆栈跟踪中。事实上,定向模糊测试技术也会有一定的缺陷,主要包括忽略重要的漏洞和测试效率不高两个方面。目前,定向模糊测试技术主要面临着两大挑战:(1)功率分配的不公平性。(2)执行漏洞检测的路径不能被完全覆盖。定向灰盒模糊测试器AFLGO利用基于计算测试用例与被测目标位置之间的距离和模拟退火功率算法,引导模糊测试器对种子执行不同的能量分配,实现了对被测程序进行定向模糊测试的目的。但是由于AFLGO的计算方式过于简便,导致出现距离目标区域更近的种子会获得更多能量,而距离较远的种子获得不了足够能量的情况,从而使得远离目标区域的路径无法被覆盖,造成更深层次的漏洞无法被检测出来的问题。本文以AFL作为研究对象,针对目标区域距离的计算和种子能量分配问题,提出相关的方案进行改进。主要工作如下:1.本文采用了一种轻量级的静态分析,该分析是使用基于生成的调用图考虑(即时)调用关系模式的方法。并利用静态分析的结果,增加相邻函数的计算,以此提高定向模糊测试技术基于距离机制的稳健性,该机制可通过考虑目标的所有轨迹并避免对某些轨迹的认识偏差来引导定向模糊测试。2.本文采用了基于改进的果蝇算法对能量调度策略进行优化。本文引入果蝇算法来构建能量调度函数,对模糊测试过程中种子的能量分配进行动态的调控,使种子的变异数量和次数能够达到更好的效果,从而可以更加快速有效地到达指定区域进行模糊测试,有助于检测到更多的漏洞。3.根据本文所提出的改进方案,对原有的开源AFL系统进行优化,设计实现了AFLmo系统。本文对目标程序GNU Binutils、Libpng分别进行测试,将实验结果与AFL和AFLGO进行对比分析。根据数据可以看出,AFLmo在漏洞暴露时间和目标站点的覆盖能力方面,相比AFL和AFLGO的效果更加出色。本文通过实验对AFLmo系统进行分析评价,验证了本文所提出的目标位置距离计算优化方法能够更加准确地引导定向模糊测试,同时可以证明基于果蝇算法的能量调度策略对于目标系统的模糊测试在效率上有明显的提升。

关键词：定向模糊测试距离计算策略能量调控果蝇算法

来源：评论

学校读者我要写书评

暂无评论

基于区间数的不确定数据自适应聚类算法

基于区间数的不确定数据自适应聚类算法

引用

作者：李春晖重庆大学

学位级别：硕士

受硬件设备精度制约或人为干扰等因素的影响,传感网络应用收集到的数据集往往具有不确定性。不确定数据无法使用确切的数值描述事物属性的状态,导致面向确定数据的聚类算法无法完成不确定数据的聚类任务。近年来,不确定数据聚类方法被... 详细信息

受硬件设备精度制约或人为干扰等因素的影响,传感网络应用收集到的数据集往往具有不确定性。不确定数据无法使用确切的数值描述事物属性的状态,导致面向确定数据的聚类算法无法完成不确定数据的聚类任务。近年来,不确定数据聚类方法被陆续提出,但仍然存在以下问题:(1)运行效率。不确定数据聚类算法在计算不确定对象距离的过程中进行了大量无意义的实例距离计算,导致算法的运行效率不高。(2)聚类精度。不确定数据模型以及聚类过程中的相关概念破坏了不确定数据信息的完整性,导致聚类对象产生精度误差,算法的聚类精度下降。(3)自适应性。由于密度聚类算法在发现非球形簇方面的优势,基于密度的不确定数据聚类算法被陆续提出,但关于密度聚类算法的非自适应阈值问题始终没有得到很好的解决。区间数模型是不确定性决策分析常用的一种数据模型,它基于不确定数据的上限和下限描述属性可能值的概率分布情况,最大程度地保证了数据信息的完整性。因此,本文针对上述问题,开展基于区间数的不确定数据自适应聚类算法研究。主要工作包括:(1)本文提出了一种新的不确定数据聚类算法IN-DBSCAN(DBSCAN algorithm based on Interval Number model)。算法基于区间数模型描述不确定实例的数据分布信息,保证了数据信息的完整性;然后,算法设计了一种高效的距离计算策略来计算不确定对象之间的距离,提高了算法的运行效率;最后,算法重新定义了经典密度聚类算法DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的相关概念,实现了不确定数据的密度聚类。(2)在IN-DBSCAN算法基础上,本文提出了自适应聚类的改进算法IN-DBSCANa(IN-DBSCAN adaptive algorithm)。算法首先提出使用最大直接可达概率替代IN-DBSCAN算法中的固定概率阈值,然后基于Gaussian-Means算法提出了密度参数自适应策略,有效避免了人为因素对聚类结果的影响,最终实现了算法的自动聚类。(3)本文测试了所提算法与UK-Means,MMVar,FDBSCAN,FOPTICS,KKL和REP共6种不确定数据聚类算法在合成数据集、真实基准数据集以及真实世界数据集上的性能表现。实验结果表明,本文所提算法的运行效率和聚类精度均优于现有不确定数据聚类算法,算法更具有竞争力。

关键词：不确定数据聚类算法区间数距离计算策略阈值自适应

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

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：