检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于二进制重构的恶意函数异常检测方法

武汉大学学报（理学版） 2024年第4期70卷 463-472页

作者：田杨彭国军杨秀璋刘思德空天信息安全与可信计算教育部重点实验室武汉大学国家网络安全学院湖北武汉430072

近年来,恶意软件检测方面的工作不断取得进展,但缺乏深入检测恶意软件内部恶意组件的方法。传统的基于人工签名与基于机器学习的检测方法难以生效,分析人员需对恶意样本进行漫长的人工逆向分析,再定位恶意组件。为提高逆向分析人员的工... 详细信息

近年来,恶意软件检测方面的工作不断取得进展,但缺乏深入检测恶意软件内部恶意组件的方法。传统的基于人工签名与基于机器学习的检测方法难以生效,分析人员需对恶意样本进行漫长的人工逆向分析,再定位恶意组件。为提高逆向分析人员的工作效率,以恶意软件内部具有潜在恶意行为的函数为检测目标,提出一种基于二进制重构的恶意函数异常检测方法:MalMiner。对样本生成过程间控制流程图,根据图中函数具备的统计特点、结构特点和恶意特点提取能够表征该函数的特征。利用无监督的自编码器模型压缩重构的特点,学习正常软件函数的数据特征,并以重构误差为异常分数检测恶意函数。实验结果表明,MalMiner在真实数据集上召回率为0.8010时准确率达到了0.8484;与DeepReflect相比,召回率相同而误报率降低了0.1578,准确率提升了0.1457;与CAPA相比召回率提高了0.1071,准确率提升了0.0942,验证了MalMiner方法的有效性。

关键词：恶意软件检测恶意代码逆向分析深度学习二进制重构

基于SWPF2vec和DJ-TextRCNN的古籍文本主题分类研究

在线全文

学校读者我要写书评

暂无评论

情报学报 2024年第5期43卷 601-615页

作者：武帅杨秀璋何琳公佐权南京农业大学信息管理学院南京211800 贵州大学贵州省大数据产业发展应用研究院贵阳550025 武汉大学国家网络安全学院武汉430030 贵州财经大学信息学院贵阳550025

以编目分类和规则匹配为主的古籍文本主题分类方法存在工作效能低、专家知识依赖性强、分类依据单一化、古籍文本主题自动分类难等问题。对此,本文结合古籍文本内容和文字特征,尝试从古籍内容分类得到符合研究者需求的主题,推动数字人... 详细信息

以编目分类和规则匹配为主的古籍文本主题分类方法存在工作效能低、专家知识依赖性强、分类依据单一化、古籍文本主题自动分类难等问题。对此,本文结合古籍文本内容和文字特征,尝试从古籍内容分类得到符合研究者需求的主题,推动数字人文研究范式的转型。首先,参照东汉古籍《说文解字》对文字的分析方式,以前期标注的古籍语料数据集为基础,构建全新的“字音(说)-原文(文)-结构(解)-字形(字)”四维特征数据集。其次,设计四维特征向量提取模型(speaking,word,pattern,and font to vector,SWPF2vec),并结合预训练模型实现对古籍文本细粒度的特征表示。再其次,构建融合卷积神经网络、循环神经网络和多头注意力机制的古籍文本主题分类模型(dianji-recurrent convolutional neural networks for text classification,DJ-TextRCNN)。最后,融入四维语义特征,实现对古籍文本多维度、深层次、细粒度的语义挖掘。在古籍文本主题分类任务上,DJ-TextRCNN模型在不同维度特征下的主题分类准确率均为最优,在“说文解字”四维特征下达到76.23%的准确率,初步实现了对古籍文本的精准主题分类。

关键词：多维特征融合古籍文本主题分类 SWPF2vec DJ-TextRCNN

PowerDetector:Malicious PowerShell Script Family Classification Based on Multi-Modal Semantic Fusion and Deep Learning

在线全文

学校读者我要写书评

暂无评论

China Communications 2023年第11期20卷 202-224页

作者： xiuzhang yang Guojun Peng Dongni Zhang Yuhang Gao Chenguang Li School of Cyber Science and Engineering Wuhan UniversityWuhan 430072China Key Laboratory of Aerospace Information Security and Trusted Computing Ministry of EducationWuhan 430072China School of Information Guizhou University of Finance and EconomicsGuiyang 550025China

Power Shell has been widely deployed in fileless malware and advanced persistent threat(APT)attacks due to its high stealthiness and live-off-theland ***,existing works mainly focus on deobfuscation and malicious detection,lacking the malicious Power Shell families classification and behavior ***,the state-of-the-art methods fail to capture fine-grained features and semantic relationships,resulting in low robustness and *** this end,we propose Power Detector,a novel malicious Power Shell script detector based on multimodal semantic fusion and deep ***,we design four feature extraction methods to extract key features from character,token,abstract syntax tree(AST),and semantic knowledge ***,we intelligently design four embeddings(i.e.,Char2Vec,Token2Vec,AST2Vec,and Rela2Vec) and construct a multi-modal fusion algorithm to concatenate feature vectors from different ***,we propose a combined model based on transformer and CNN-Bi LSTM to implement Power Shell family *** experiments with five types of Power Shell attacks show that PowerDetector can accurately detect various obfuscated and stealth PowerShell scripts,with a 0.9402 precision,a 0.9358 recall,and a 0.9374 ***,through singlemodal and multi-modal comparison experiments,we demonstrate that PowerDetector’s multi-modal embedding and deep learning model can achieve better accuracy and even identify more unknown attacks.

关键词： deep learning malicious family detection multi-modal semantic fusion PowerShell

Excel 4.0宏自动化反混淆与家族分类系统

在线全文

学校读者我要写书评

暂无评论

网络与信息安全学报 2024年第3期10卷 66-80页

作者：李晨光杨秀璋彭国军武汉大学国家网络安全学院湖北武汉430072

近年来,使用恶意Excel 4.0宏(XLM)文档的攻击迎来了爆发,而XLM代码往往经过复杂的混淆,现有方法或检测系统难以分析海量样本的真实功能。因此,针对恶意样本中使用的各类混淆技术,基于抽象语法树和模拟执行,设计和实现了包含138个宏函数... 详细信息

近年来,使用恶意Excel 4.0宏(XLM)文档的攻击迎来了爆发,而XLM代码往往经过复杂的混淆,现有方法或检测系统难以分析海量样本的真实功能。因此,针对恶意样本中使用的各类混淆技术,基于抽象语法树和模拟执行,设计和实现了包含138个宏函数处理程序的自动化XLM反混淆与关键威胁指标(IOC,indicators of compromise)提取系统XLMRevealer;在此基础上,根据XLM代码特点提取Word和Token特征,通过特征融合能够捕获多层次细粒度特征,并在XLMRevealer中构造CNN-BiLSTM(convolution neural network-bidirectional long short term memory)模型,从不同维度挖掘家族样本的关联性和完成家族分类。最后,从5个来源构建包含2346个样本的数据集并用于反混淆实验和家族分类实验。实验结果表明,XLMRevealer的反混淆成功率达到71.3%,相比XLMMacroDeobfuscator和SYMBEXCEL工具分别提高了20.8%和15.8%;反混淆效率稳定,平均耗时仅为0.512 s。XLMRevealer对去混淆XLM代码的家族分类准确率高达94.88%,效果优于所有基线模型,有效体现Word和Token特征融合的优势。此外,为探索反混淆对家族分类的影响,并考虑不同家族使用的混淆技术可能有所不同,模型会识别到混淆技术的特征,分别对反混淆前和反混淆后再统一混淆的XLM代码进行实验,家族分类准确率为89.58%、53.61%,证明模型能够学习混淆技术特征,更验证了反混淆对家族分类极大的促进作用。

关键词：恶意宏文档 Excel 4.0宏反混淆家族分类

同方期刊数据库

基于改进图像增强及CNN的复杂环境车牌识别算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第S1期51卷 562-568页

作者：杨秀璋武帅任天舒廖文婧项美玉于小民刘建义陈登建贵州财经大学信息学院贵阳550025 贵州财经大学大数据应用与经济学院(贵阳大数据金融学院) 贵阳550025 贵州财经大学贵州省经济系统仿真重点实验室贵阳550025

传统图像识别和深度学习模型较难检测复杂环境下的车牌,其场景适用性和精确率较低,从而严重威胁交通安全,影响智慧交通发展。基于此,文中提出了一种基于改进图像增强及CNN的复杂环境车牌识别算法。首先,结合目标图像的平均灰度值,利用AC... 详细信息

传统图像识别和深度学习模型较难检测复杂环境下的车牌,其场景适用性和精确率较低,从而严重威胁交通安全,影响智慧交通发展。基于此,文中提出了一种基于改进图像增强及CNN的复杂环境车牌识别算法。首先,结合目标图像的平均灰度值,利用ACE算法和暗通道先验去雾算法对复杂环境下的车牌数据集进行图像增强;然后提出了一种融合色彩关键特征和波峰关键特征的车牌区域定位算法,通过8个核心步骤有效定位复杂环境下车牌的区域;最后构建五层卷积神经网络的模型,以实现车牌字符识别。实验结果表明,所提算法能有效识别复杂环境下行驶车辆的车牌,该算法在复杂环境车牌区域定位的精确率为86.04%,召回率为82.60%,F 1值为84.29%,其F 1值比传统图像处理算法提升了47.29%,比SSD算法提升了24.73%,比YOLO算法提升了26.37%,比YOLOv3提升了17.15%。同时,所提方法的时间复杂度较低,属于一种轻量级的车牌识别方法,能消除噪声并实现车牌字符识别,具有一定的应用前景和实用价值,也将为智慧交通的研究提供理论基础。

关键词：车牌识别图像增强深度学习复杂环境智慧交通

一种基于改进YOLOv3的甲板灯光异常检测方法

在线全文

学校读者我要写书评

暂无评论

船舶工程 2021年第S2期43卷 53-58,61页

作者：李娜周林宏杨戈杨秀璋杨楠中国船舶工业系统工程研究院北京100094 贵州财经大学信息学院贵阳550025

针对甲板灯光受海面天气影响,传统方法检测精度较低,缺乏利用深度学习算法有效识别异常的问题,提出一种基于改进深度卷积神经网络YOLOv3的甲板灯光异常检测方法。首先,该方法通过色彩自动均衡化的图像增强算法降低海面复杂环境噪声;其次... 详细信息

针对甲板灯光受海面天气影响,传统方法检测精度较低,缺乏利用深度学习算法有效识别异常的问题,提出一种基于改进深度卷积神经网络YOLOv3的甲板灯光异常检测方法。首先,该方法通过色彩自动均衡化的图像增强算法降低海面复杂环境噪声;其次,利用YOLOv3算法识别和定位甲板灯光位置;最后,通过图像灰度有效检测甲板灯光的异常结果。试验结果表明,文章提出的方法能降低海面复杂情况下的噪声,对甲板灯光进行有效定位并实现异常检测,具有较好的准确率和鲁棒性,可以为甲板灯光异常检测提供理论基础并应用于实践。

关键词：深度学习图像识别 YOLOv3 甲板灯光检测目标检测

中枢性高热患者冰毯机降温与冰毯机加药物降温效果观察

在线全文

学校读者我要写书评

暂无评论

大理学院学报（综合版） 2014年第8期13卷 74-75页

作者：杨秀章大理学院大理附属医院云南大理671000

目的:中枢性高热病人应用冰毯机加药物吲哚美辛栓肛门内给药降温的效果观察。方法:对中枢性高热病人在常规治疗基础上,分别采用冰毯机加药物吲哚美辛栓肛门内给药降温和冰毯机降温,比较两组病人降温效果。结果:两组病人降温效果差异有... 详细信息

目的:中枢性高热病人应用冰毯机加药物吲哚美辛栓肛门内给药降温的效果观察。方法:对中枢性高热病人在常规治疗基础上,分别采用冰毯机加药物吲哚美辛栓肛门内给药降温和冰毯机降温,比较两组病人降温效果。结果:两组病人降温效果差异有统计学意义(P<0.05)。结论:冰毯机加药物吲哚美辛栓肛门内给药降温效果明显优于冰毯机降温。

关键词：中枢性高热冰毯机加药物降温效果观察

Vibration properties of Paulownia wood for Ruan sound quality using machine learning methods

在线全文

学校读者我要写书评

暂无评论

Journal of Forestry Research 2024年第5期35卷 216-222页

作者： yang yang College of Art and Design Harbin UniversityHarbin 150076People’s Republic of China College of Mechanical and Electrical Engineering Northeast Forestry UniversityHarbin 150040People’s Republic of China

As an important material for manufacturing resonant components of musical instruments,Paulownia has an important influence on the sound quality of *** this paper,a model for evaluating the sound quality of Ruan based on the vibration characteristics of wood is developed using machine learning ***,the selection of materials for Ruan manufacturing relies primarily on manually weighing,observing,striking,and listening by the instrument *** in scientific theory have hindered the quality of the finished *** this study,nine Ruans were manufactured,and a prediction model of Ruan sound quality was proposed based on the raw material information of *** of a total of 180 data sets,145 and 45 sets were chosen for training and validation,*** this paper,typical correlation analysis was used to determine the correlation between two single indicators in two adjacent pairwise combinations of the measured objects in each stage of the production process in *** vibra-tion characteristics of the wood were tested,and a model for predicting the evaluation of Ruan’s acoustic qualities was developed by measuring the vibration characteristics of the resonating plate *** acoustic quality of the Ruan sound board wood was evaluated and predicted using machine learning model generalized regression neural *** results show that the prediction of Ruan sound quality can be achieved using Matlab simulation based on the vibration characteristics of the soundboard *** the model-predicted values were compared with the tradi-tional predicted results,it was found that the generalized regression neural network had good performance,achieving an accuracy of 93.8%which was highly consistent with the experimental *** was concluded that the model can accurately predict the acoustic quality of the Ruan based on the vibration performance of the soundboards.

关键词： Sound quality Wood vibration performance Paulownia wood Machine learning methods

基于自适应图像增强和图像去噪的水面航行船舶识别方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

船舶工程 2021年第S2期43卷 101-105页

作者：周林宏杨戈李娜杨秀璋胡广清中国船舶工业系统工程研究院北京100094 贵州财经大学信息学院贵阳550025

针对海上船舶行进过程中,需要高度依赖人工进行海面航行船舶检测的问题,提出一种基于自适应图像增强和图像去噪的水面航行船舶识别方法。该方法采集图像来源可以是雷达回波数据量化而成的灰度图像,也可以是通过摄像头采集的视频图像。... 详细信息

针对海上船舶行进过程中,需要高度依赖人工进行海面航行船舶检测的问题,提出一种基于自适应图像增强和图像去噪的水面航行船舶识别方法。该方法采集图像来源可以是雷达回波数据量化而成的灰度图像,也可以是通过摄像头采集的视频图像。采集图像并预处理后,通过对数变换、伽马变换、自动色彩均衡等算法对图像进行增强去噪。通过对图像进行高斯滤波、中值滤波、灰度转换、Sobel算法边缘提取、形态学处理,最后采用HOG算法定位船舶的目标轮廓,输出最终的定位效果图。该方法可以准确识别出复杂环境下水面船舶的轮廓信息,且不需要经过海量的数据训练;同时,还能对大雾或风浪中的水上航行图像进行去噪处理,获得清晰图像,提高复杂海况下对本船周围环境的监测效果。

关键词：图像增强图像去噪 HOG