毫米波雷达具有分辨率高、抗干扰能力强和对人体隐私侵犯少等优点，在身份识别领域中具有较好的应用前景。其中，基于毫米波雷达点云的步态识别已成为热门的研究方向之一。但这类方法大多基于点模型进行全局信息处理，对局部信息感知不足，从而导致算法的准确性不够。针对上述问题，该文提出了一种基于点体素交叉注意力机制的步态识别方法（gait recognition based on Point-Voxel fusion and Cross-attention，gaitPVC）。该方法对数据采用了多帧融合的处理，利用双分支网络分别从点数据和体素数据协作提取并融合全局与局部特征，然后利用时序网络提取时序特征，以更好地提取人体步态信息。仿真结果表明，该文方法具有较好的鲁棒性和准确率。
动态链接库(dynamic link library,DLL)的出现给开发人员提供了极大的便利,也提高了操作系统与应用程序之间的交互性.然而,动态链接库本身存在的安全性隐患不容忽视,如何有效地挖掘Windows平台下安装程序执行过程中出现的DLL劫持漏洞是...
详细信息
动态链接库(dynamic link library,DLL)的出现给开发人员提供了极大的便利,也提高了操作系统与应用程序之间的交互性.然而,动态链接库本身存在的安全性隐患不容忽视,如何有效地挖掘Windows平台下安装程序执行过程中出现的DLL劫持漏洞是当下保障Windows操作系统安全的关键问题之一.搜集并提取大量安装程序的属性特征,从安装程序、安装程序调用DLL模式、DLL文件本身 3 个角度出发,使用双层BiLSTM(bi-directional long short-term memory)神经网络进行学习,抽取出漏洞数据集的多维特征,挖掘DLL劫持未知漏洞.实验可有效检测Windows平台下安装程序的DLL劫持漏洞,共挖掘 10 个未知漏洞并获得CNVD漏洞授权,此外通过和其他漏洞分析工具进行对比进一步验证该方法的有效性和完整性.
随着物联网（Internet of Things，IoT）设备的普及，使用入侵检测来保护IoT设备免受恶意攻击至关重要。但是，IoT的数据稀缺性限制了传统入侵检测方法的效果。同时，现有的基于域自适应的入侵检测方法对齐方式粗糙，忽略了内在语义属...
详细信息
随着物联网（Internet of Things，IoT）设备的普及，使用入侵检测来保护IoT设备免受恶意攻击至关重要。但是，IoT的数据稀缺性限制了传统入侵检测方法的效果。同时，现有的基于域自适应的入侵检测方法对齐方式粗糙，忽略了内在语义属性的转移，降低了特征的可区分性。为解决上述问题，提出了一种基于Transformer的域自适应物联网入侵检测（Transformer-Based Domain-Adaptive IoT Intrusion Detection，TDAIID）模型，从域间、类间和样本间三个层次对齐互联网入侵（Network Intrusion，NI）域和物联网入侵（Internet of Things Intrusion，II）域。交叉注意力机制聚焦于NI源域和II目标域中相同类别样本之间的相似特征，实现样本级别的域特征对齐；多重几何语义对齐从域级和类级两个角度进行语义对齐，有助于交叉注意力机制学习更丰富、更准确的源NI域知识。此外，为了充分挖掘未标记II目标域的潜力，从几何角度提出了一种动态中心感知伪标签算法，提高伪标签标记的准确性，有效降低错误分配伪标签造成的负迁移。在多个常用入侵检测数据集上的综合实验表明，TDAIID模型的性能优于当前先进的基线模型。
暂无评论