检索结果-南通市图书馆

福州大学学报(自然科学版) 2023年第5期51卷 711-716页

作者：江魁陈小雷顾杜娟李文瑾李越挺深圳大学信息中心广东深圳518060 深圳大学电子与信息工程学院广东深圳518060 绿盟科技集团股份有限公司北京100089

引入组合恶意加密流量数据集,结合随机森林对各个特征的重要性进行对比,构建可变长二维特征序列,提出一种针对可变长序列的恶意加密流量检测方法.该方法采用双向门控循环单元-卷积神经网络(BiGRU-CNN)深度学习模型,通过引入掩码层,有效... 详细信息

引入组合恶意加密流量数据集,结合随机森林对各个特征的重要性进行对比,构建可变长二维特征序列,提出一种针对可变长序列的恶意加密流量检测方法.该方法采用双向门控循环单元-卷积神经网络(BiGRU-CNN)深度学习模型,通过引入掩码层,有效解决变长序列问题,能够同时提取流量数据中时间和空间的多重特征,最终实现对恶意加密流量的二分类检测.实验结果表明,该方法与基于卷积神经网络(CNN)、长短期记忆网络(LSTM)等单一模型相比,精确率、召回率和F 1值均有所提升,准确率达到94.61%.

关键词：恶意加密流量深度学习变长序列卷积神经网络双向门控循环单元

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于变长序列的虚拟资产在线异常发现研究

基于变长序列的虚拟资产在线异常发现研究

引用

作者：朱伟辉国防科学技术大学

学位级别：硕士

随着互联网的飞速发展,网民的数量急剧增加,同时互联网上也出现了越来越多的虚拟资产类平台。网民使用这些平台方便自己工作生活的同时,也面临着诸如被盗号、被转移虚拟资产等各种潜在的风险。研究高效的虚拟资产在线异常发现方法十分... 详细信息

随着互联网的飞速发展,网民的数量急剧增加,同时互联网上也出现了越来越多的虚拟资产类平台。网民使用这些平台方便自己工作生活的同时,也面临着诸如被盗号、被转移虚拟资产等各种潜在的风险。研究高效的虚拟资产在线异常发现方法十分迫切。本文首先从在线实时检测角度出发,提出了一种基于数据流的虚拟资产在线异常发现框架,该框架分为在线分析模块和离线分析模块。在线分析模块中主要对数据流进行数据概要提取,再利用数据概要提取用户当前静态属性层面上和操作序列层面上的行为模式,当前行为模式与异常行为模式库及正常行为模式库中的行为模式进行匹配。数据流流出在线分析模块后直接存入永久存储器中。我们采用模式生成算法定期对永久存储器中的用户行为操作数据进行计算,挖掘出用户的正常行为模式和异常行为模式。进一步地,我们提出了一种操作序列层面上的行为模式挖掘算法,该算法核心思想是使用变长序列来描述用户复杂的行为。在训练阶段,通过挖掘变长序列群中的频繁项来提取用户正常行为模式,再通过计算各个行为模式的IDF值过滤掉辨识度低的行为模式,其表现为IDF值低。在检测阶段,同样使用变长序列描述用户当前行为模式,再采用滑动窗口平滑的方法计算得到模式匹配之后的判决值。实验表明,我们所提出的基于变长序列的虚拟资产在线异常检测方法在检测准确率上和计算性能上都表现良好。

关键词：虚拟资产变长序列异常检测行为模式 IDF

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高效通道注意力机制的语音情感识别方法

引用

信号处理 2021年第10期37卷 1835-1842页

作者：戴妍妍金赟马勇杨子秀俞佳佳江苏师范大学物理与电子工程学院江苏徐州221116 江苏师范大学科文学院江苏徐州221116 江苏师范大学语言科学与艺术学院江苏徐州221116

传统语音处理方式是把语音样本分割成固定长度的片段,但这种语音样本的切割会导致语音情感分类准确性下降。本文引入循环填充法处理可变长度的log-Mel谱图,该方法能够更好的利用时间动态信息,同时可以减少填充的无效数据对模型参数学习... 详细信息

传统语音处理方式是把语音样本分割成固定长度的片段,但这种语音样本的切割会导致语音情感分类准确性下降。本文引入循环填充法处理可变长度的log-Mel谱图,该方法能够更好的利用时间动态信息,同时可以减少填充的无效数据对模型参数学习的干扰。由于人类的情感只能在语音中某些特定的时刻出现,为了寻找关键情感特征,本文构建了基于高效通道注意力机制的语音情感识别模型,其中高效通道注意力机制能够计算通道图的重要性,有选择的强调通道图,改进特定情感的表达。本文在交互式情感二元动作捕捉(IEMOCAP)数据库上进行相关实验。在IEMOCAP上采用循环填充法的加权精度(WA)和非加权精度(UA)分别达到73.2%和70.9%,采用本文提出模型的WA和UA分别达到76.0%和73.4%。

关键词：卷积神经网络高效通道注意力机制变长序列

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向Windows Native API调用的入侵防御模型

引用

计算机工程与应用 2010年第33期46卷 108-111页

作者：刘卫国罗站城中南大学信息科学与工程学院长沙410083

为了提高基于Windows操作系统的入侵防御系统的检测效率、实时性和智能性,引入嵌入式汇编语言来简化对Win-dows Native API的监控,将数据集划分为一组基本相对独立的变长序列模式,利用粗糙集理论对每种长度的序列集进行简约,建立了较小... 详细信息

为了提高基于Windows操作系统的入侵防御系统的检测效率、实时性和智能性,引入嵌入式汇编语言来简化对Win-dows Native API的监控,将数据集划分为一组基本相对独立的变长序列模式,利用粗糙集理论对每种长度的序列集进行简约,建立了较小规模的Native API短序列的防御模型,并应用于sendmail调用序列检测。实验结果表明,模型的检测率达到96.08%,误报率降低到1.93%。与其他检测模型的比较结果表明,模型在检测率、实时性和智能性方面有更优的性能。

关键词：入侵防御 Native API序列粗糙集变长序列

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于神经网络的变长语音情感分析研究

基于神经网络的变长语音情感分析研究

引用

作者：罗相林西华大学

学位级别：硕士

语音是人类交流和认识世界的最重要方式之一,其中蕴含的信息仅次于视觉。随着人工智能的高速发展,人机交互成为当下研究的热点之一,让机器具备识别和表达情感的能力成为研究者的目标,语音情感分析的重要性日益突出。在语音情感分析领域... 详细信息

语音是人类交流和认识世界的最重要方式之一,其中蕴含的信息仅次于视觉。随着人工智能的高速发展,人机交互成为当下研究的热点之一,让机器具备识别和表达情感的能力成为研究者的目标,语音情感分析的重要性日益突出。在语音情感分析领域,目前常见研究是研究定长的语音情感分析,专门研究变长的语音情感分析的很少,由于语音信号本身长度具有可变性,本文主要研究变长语音信号的语音情感分析。在现实生活中,语音信号的长度基本都是变长的,因此本文的研究具有一定的理论意义和应用前景。在语音信号的特征提取方面,本文研究常见特征:谱特征、韵律特征、声音质量特征。目前大多数研究者采用的是多种特征结合的方式,即融合特征进行实验研究。由于MFCC能有效反应人耳的听觉特性,本文提取的特征是常用的谱特征中的MFCC特征。本文的主要工作如下:(1)研究了语音情感分析的研究背景和意义,归纳了语音情感分析的研究历史和现状,总结了变长序列的语音情感的分析研究现状。(2)对变长序列的语音情感分析提出了两种处理方法,并对方法进行分析,分析其对谱特征、部分韵律特征的影响。(3)设计BP神经网络模型,结合本文提出的变长序列的语音情感分析方法处理语音序列,提取处理后的语音序列的MFCC特征的统计特征作为特征向量,进行语音情感分析。(4)设计卷积神经网络模型,结合本文提出的变长序列的语音情感分析方法处理语音序列,提取处理后的语音序列的MFCC特征,并将MFCC特征的维度调整到指定大小,针对小样本问题,本文结合语音信号的特性对调整后的MFCC特征进行数据增强,然后进行语音情感分析。最后,本文对实验结果进行分析,并与相关研究结果进行比较,得出结论,证明本文提出的变长语音信号处理方法具有一定的参考性。

关键词：语音情感分析变长序列 BP神经网络卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

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：