检索结果-内蒙古大学图书馆

计算机工程与应用 2019年第24期55卷 84-90页

作者：王雨琪刘博文林果园中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 南京大学计算机软件新技术国家重点实验室南京210023

为了应对钓鱼网站的检测逃避策略,提出一种基于URL语言特征的钓鱼网站检测算法。通过分析钓鱼网站和合法网站的URL在不同检测域上的差异,定义基元和敏感度来描述其语言特征。先根据基元对主级域名进行相似性检测,当相似性低于预先设定... 详细信息

为了应对钓鱼网站的检测逃避策略,提出一种基于URL语言特征的钓鱼网站检测算法。通过分析钓鱼网站和合法网站的URL在不同检测域上的差异,定义基元和敏感度来描述其语言特征。先根据基元对主级域名进行相似性检测,当相似性低于预先设定的阈值时,选取有效的子域名特征,利用随机森林算法对子域名的语言特征进行学习和检测。实验结果表明,该算法的准确率达95.6%,系统运行时间相对较小,平均识别时间小于1 s。

关键词：钓鱼网站统一资源定位符(URL) 语言特征基元敏感度

来源：评论

学校读者我要写书评

暂无评论

基于代理双向竞拍的弹性云资源调度方案

引用

计算机应用与软件 2024年第3期41卷 87-93页

作者：何望林果园中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 南京大学计算机软件新技术国家重点实验室江苏南京210023

针对跨云平台的资源调度问题,提出一种基于代理双向竞拍的弹性资源调度方案。该方案在拍卖过程中引入交易延时排队影响因子,排队轮数越多,排队影响因子值越大,竞价提交优先级越高,同时根据服务等级协议判定不合规交易的惩罚金数额,以惩... 详细信息

针对跨云平台的资源调度问题,提出一种基于代理双向竞拍的弹性资源调度方案。该方案在拍卖过程中引入交易延时排队影响因子,排队轮数越多,排队影响因子值越大,竞价提交优先级越高,同时根据服务等级协议判定不合规交易的惩罚金数额,以惩罚金制度防范恶意竞拍交易的出现。每轮竞拍允许并发实现多项交易。仿真结果表明,该方案保证了竞拍成功率,并且与传统一次拍卖成交方案相比,其竞拍时间减少了0.32 s,同时能提高16%的用户收益与9%的资源提供商利益。

关键词：双向竞拍资源调度排队影响因子恶意竞拍

来源：评论

学校读者我要写书评

暂无评论

云虚拟机异常检测场景下改进的LOF算法

引用

计算机工程与应用 2020年第23期56卷 80-86页

作者：贺寰烨林果园顾浩方梦华中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教务部工程研究中心江苏徐州221116 南京大学计算机软件新技术国家重点实验室南京210023

针对云服务中由于资源超额预定造成负载不均衡的云虚拟机异常,提出了一种基于密度空间的局部离群因子(Local Outlier Factor Based on Density Space,LOFBDS)算法。LOFBDS算法参考DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法,将云虚拟机在密度空间中的性质融合至LOF算法之中,提出对云虚拟机的判断规则,以达到优化对正常云虚拟机的检测过程,提高检测效率。实验结果表明,所提出的算法对云服务负载不均造成的云虚拟机异常有着良好的检测效率,并且时间花费较少。

关键词：云服务云虚拟机异常检测局部离群点检测

来源：评论

学校读者我要写书评

暂无评论

基于变分对抗与强化学习的行人重识别

引用

计算机系统应用 2022年第6期31卷 192-201页

作者：陈莹夏士雄赵佳琦周勇姚睿朱东郡中国矿业大学计算机科学与技术学院徐州221116 矿山数字化教育部工程研究中心徐州221116

行人重识别技术在实际应用中易受行人姿态变化的干扰,由于行人姿态的变化不仅丢失部分行人信息,而且还会引起大于身份差异的外观变化,导致现有工作难以学到鲁棒的行人特征.为了解决上述问题,本文提出一种基于变分对抗与强化学习的生成... 详细信息

行人重识别技术在实际应用中易受行人姿态变化的干扰,由于行人姿态的变化不仅丢失部分行人信息,而且还会引起大于身份差异的外观变化,导致现有工作难以学到鲁棒的行人特征.为了解决上述问题,本文提出一种基于变分对抗与强化学习的生成式对抗网络(RL-VGAN)用于多姿态行人重识别任务.该方法的核心思想是在不受姿态变化干扰的情况下通过外观编码器和姿态编码器将行人属性分解为外观特征和姿态特征,用以学习鲁棒的身份视觉特征.首先,设计的变分生成网络利用Kullback-Leibler散度损失促进外观编码器推断与身份信息相关的连续隐变量.其次,为了使生成式对抗网络逐步收敛到稳定状态,采用强化学习策略平衡变分生成网络和判别网络的性能.此外,针对基于姿态引导图像生成任务,提出一种新的Inception Score损失用于规范变分生成网络生成图像质量的过程.实验结果证明,所提出的RL-VGAN方法在多个基准数据集上优于其他方法.

关键词：行人的重识别图像生成强化学习生成对抗网络变分学习

来源：评论

学校读者我要写书评

暂无评论

基于梦境粒子群优化的类集成测试序列生成方法

引用

计算机科学 2019年第2期46卷 159-165页

作者：张悦宁姜淑娟张艳梅中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心江苏徐州221116 桂林电子科技大学广西可信软件重点实验室广西桂林541004

类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从而减小测试代价。针对粒子群优化算法容易早熟的缺陷,文中提出一种基于梦境粒子群优化算法的类集成测试序... 详细信息

类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从而减小测试代价。针对粒子群优化算法容易早熟的缺陷,文中提出一种基于梦境粒子群优化算法的类集成测试序列生成方法。首先把每个类集成测试序列映射为一维空间中的一个粒子,然后将粒子看作有做梦能力的个体。每个迭代周期分为白天和夜间两个阶段,在白天阶段粒子正常移动,而在夜间阶段粒子根据各自的做梦能力扭曲当前位置。如此,粒子有机会在当前位置附近进行搜索,使得算法减缓收敛速度,避免过早陷入局部最优。实验结果表明,多数情况下该方法可以得到测试代价更小的类集成测试序列。

关键词：测试序列集成测试测试代价梦境粒子群优化算法局部最优

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的蛋白质相互作用预测模型

引用

计算机技术与发展 2021年第7期31卷 7-12,27页

作者：安计勇闫子骥中国矿业大学矿山数字化教育部工程研究中心江苏徐州221000 中国矿业大学计算机科学与技术学院江苏徐州221000

基于有监督学习的预测模型在预测过程中存在以下缺陷:一是过分依赖训练集中有标签样本的数量,导致分类精度受有标签样本数量多少的制约;二是其预测分类一次完成,导致大量的无标签样本无法用来修正分类器的预测精度,大量数据信息被浪费,... 详细信息

基于有监督学习的预测模型在预测过程中存在以下缺陷:一是过分依赖训练集中有标签样本的数量,导致分类精度受有标签样本数量多少的制约;二是其预测分类一次完成,导致大量的无标签样本无法用来修正分类器的预测精度,大量数据信息被浪费,从而影响分类性能。针对以上问题,该文提出一种基于AP聚类与Renyi熵融合的自训练半监督相关向量机分类预测模型。该模型通过AP聚类分析与Renyi熵来共同标记无标签样本的标签类别,筛选置信度高的无标签样本扩充原有训练集进行自训练迭代分类,降低噪声数据对分类器预测精度的影响,构造出了性能最优的基于半监督学习的蛋白质相互作用预测模型。通过在***、***和***蛋白质相互作用数据集上的实验验证,证明了提出的半监督分类预测模型的有效性。

关键词：相关向量机半监督学习自训练 AP聚类 Renyi熵分类预测

来源：评论

学校读者我要写书评

暂无评论

基于改进随机森林算法的钓鱼网站检测方法研究

引用

微电子学与计算机 2019年第4期36卷 43-46,51页

作者：朱琪林果园中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 南京大学计算机软件新技术国家重点实验室江苏南京210023

为了更准确快捷的对钓鱼网站进行识别,提出了一种基于改进随机森林算法的钓鱼网站检测方法.该方法挖掘钓鱼网页特征之间潜在的关联规则,并对数据集进行分区,以此区分特征数据的重要程度并计算权重以及数据选取的比例,选取数据后对数据... 详细信息

为了更准确快捷的对钓鱼网站进行识别,提出了一种基于改进随机森林算法的钓鱼网站检测方法.该方法挖掘钓鱼网页特征之间潜在的关联规则,并对数据集进行分区,以此区分特征数据的重要程度并计算权重以及数据选取的比例,选取数据后对数据空间进行相应的集合化与剪辑以此优化森林的建立,并根据建立的森林达到对钓鱼网站检测识别的目的.最终实验说明,该方法对钓鱼网站的检测识别具有很好的效果和效率.

关键词：钓鱼检测关联规则特征分区数据空间

来源：评论

学校读者我要写书评

暂无评论

基于孪生网络的数字图像相机源识别

引用

微电子学与计算机 2021年第6期38卷 82-86,92页

作者：方梦华林果园中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116

传统的利用传感器模式噪声的相机源识别方法,自动化程度低.直接使用深度学习方法进行识别,提取特征阶段又更倾向于学习到图像内容有关的特征,而不是相机“指纹”特征.为了解决上述问题,本文设计了一种基于孪生网络的数字图像相机源识别... 详细信息

传统的利用传感器模式噪声的相机源识别方法,自动化程度低.直接使用深度学习方法进行识别,提取特征阶段又更倾向于学习到图像内容有关的特征,而不是相机“指纹”特征.为了解决上述问题,本文设计了一种基于孪生网络的数字图像相机源识别架构,两个网络分支共享权重.采用加入注意力机制的深度残差网络进行特征提取,抑制图像内容等因素对整个相机源识别任务的影响.对比实验结果表明,本文提出的方法在一定程度上提高了相机源识别的准确率.

关键词：图像来源鉴别相机源识别孪生网络传感器模式噪声注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于关系图卷积网络的源代码漏洞检测

引用

计算机应用 2022年第6期42卷 1814-1821页

作者：文敏王荣存姜淑娟矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 高安全系统的软件开发与验证技术工业和信息化部重点实验室(南京航空航天大学) 南京211106

软件安全的根源在于软件开发人员开发的源代码,但随着软件规模和复杂性不断提高,仅靠人工检测漏洞代价高昂且难以扩展,而现有的代码分析工具有较高的误报率与漏报率。为此,提出一种基于关系图卷积网络(RGCN)的自动化漏洞检测方法以进一... 详细信息

软件安全的根源在于软件开发人员开发的源代码,但随着软件规模和复杂性不断提高,仅靠人工检测漏洞代价高昂且难以扩展,而现有的代码分析工具有较高的误报率与漏报率。为此,提出一种基于关系图卷积网络(RGCN)的自动化漏洞检测方法以进一步提高漏洞检测的精度。首先将程序源代码转换为包含语法、语义特征信息的CPG;然后使用RGCN对图结构进行表示学习;最后训练神经网络模型预测程序源代码中的漏洞。为验证所提方法的有效性,在真实的软件漏洞样本上开展了实验验证,结果表明所提方法的漏洞检测结果的召回率和F1值分别达到了80.27%和63.78%。与Flawfinder、VulDeepecker和基于图卷积网络(GCN)的同类方法相比,所提方法的F1值分别提高了182%、12%和55%,可见所提方法能有效提高漏洞检测能力。

关键词：漏洞检测代码属性图关系图卷积网络深度学习预测模型

来源：评论

学校读者我要写书评

暂无评论

三元组布尔置换的构造

引用

计算机工程与应用 2019年第11期55卷 40-45页

作者：刘师师张凤荣夏士雄周勇中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心江苏徐州221116 桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

布尔置换和bent函数在密码学中起着非常重要的作用。在Coulter和Mesnager所提出的三元组布尔置换广义构造方法(该三元组布尔置换可以用来构造bent函数)的基础上,给出了一个等价的构造三元组布尔置换的具体方法。利用此具体方法,提供了... 详细信息

布尔置换和bent函数在密码学中起着非常重要的作用。在Coulter和Mesnager所提出的三元组布尔置换广义构造方法(该三元组布尔置换可以用来构造bent函数)的基础上,给出了一个等价的构造三元组布尔置换的具体方法。利用此具体方法,提供了一个构造三元组布尔置换的算法。对三个置换之间的依赖关系做了进一步研究,提出了一个三元组置换成立的充要条件,并给出了一个构造三元组布尔置换的新算法。分析了利用三元组布尔置换所得bent函数的性质。

关键词：布尔函数 bent函数布尔置换非线性度

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：