检索结果-南通市图书馆

基于Ngram-TFIDF的深度恶意代码可视化分类方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2024年第6期45卷 160-175页

作者：王金伟陈正嘉谢雪罗向阳马宾南京信息工程大学计算机学院江苏南京210044 中国科学技术大学网络空间安全学院安徽合肥230031 信息工程大学网络空间安全学院河南郑州450001 齐鲁工业大学网络空间安全学院山东济南250353

随着恶意代码规模和种类的不断增加,传统恶意代码分析方法由于依赖于人工提取特征,变得耗时且易出错,因此不再适用。为了提高检测效率和准确性,提出了一种基于Ngram-TFIDF的深度恶意代码可视化分类方法。结合N-gram和TF-IDF技术对恶意... 详细信息

随着恶意代码规模和种类的不断增加,传统恶意代码分析方法由于依赖于人工提取特征,变得耗时且易出错,因此不再适用。为了提高检测效率和准确性,提出了一种基于Ngram-TFIDF的深度恶意代码可视化分类方法。结合N-gram和TF-IDF技术对恶意代码数据集进行处理,并将其转化为灰度图。随后,引入CBAM并调整密集块数量,构建DenseNet88_CBAM网络模型用于灰度图分类。实验结果表明,所提方法在恶意代码家族分类和类型分类上分别提高了1.11%和9.28%的准确率,取得了优越的分类效果。

关键词：深度学习数据可视化恶意代码检测和分类

基于十字网格拓扑结构的球头刀具切削轨迹仿真算法研究

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2024年第6期52卷 48-55页

作者：谈玲陈鹏夏景明林疆南京信息工程大学计算机学院(网络空间安全学院) 江苏南京210044 南京信息工程大学人工智能学院(未来技术学院) 江苏南京210044

针对现有的实体构造模型计算复杂、无法满足实时性要求较高的仿真任务问题,提出一种用于球头刀具仿真的十字网格拓扑结构二维映射算法,以提高布尔求差运算效率.基于仿真模型底层拓扑提出一种十字网格拓扑结构,将节点元素作为十字网格数... 详细信息

针对现有的实体构造模型计算复杂、无法满足实时性要求较高的仿真任务问题,提出一种用于球头刀具仿真的十字网格拓扑结构二维映射算法,以提高布尔求差运算效率.基于仿真模型底层拓扑提出一种十字网格拓扑结构,将节点元素作为十字网格数据对象存放在动态邻接表中,以节约内存;此外,基于非均匀有理B样条(NURBS)曲面细分网格点,构造复杂表面的十字网格数据,拓展该方法的实用性.利用数控插补指令简化球头刀具的运动轨迹,提出一种追踪轮廓线法以构建工件与刀具的相交轮廓线,加快相交点搜索过程;引入网格参数化法将相交轮廓线的三维数据映射至二维数组,以快速生成工件与刀具的相交面.结果表明:该方法的布尔求差运算效率比主流方法提升10倍以上,内存占用平均减少46%,追踪轮廓线和二维映射法能够大幅度加快计算,十字网格拓扑结构可以显著提升内存利用率,所提出的算法能够明显改善边界表示法的计算效率,有助于计算机辅助系统的实时应用.

关键词：边界表示法球头刀具布尔求差十字网格拓扑结构计算机辅助制造

在线全文

学校读者我要写书评

暂无评论

一种基于高阶函数摘要的依赖簇检测方法

电子学报 2024年第4期52卷 1337-1348页

作者：杨嘉毅张迎周李俊锋马锐汪全盛薛渝川南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,... 详细信息

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,SDG)实现过程间依赖关系的计算.但是SDG的构建过程比较复杂,时间空间的占用比较大.为提高依赖簇检测的效率并减少空间占用,本文提出了一种有效的轻量级依赖簇检测方法.该方法通过构建每个过程高阶函数形式的函数摘要,将形参和全局变量的数据依赖作为摘要参数,并用函数摘要的参数初始化过程内依赖信息.通过在调用点处对高阶函数形式的摘要进行实例化,即可将调用过程的依赖关系通过摘要参数进行传递,从而获取过程间的依赖信息.为了进一步提升检测效率,我们还提出了基于自适应计算的依赖簇检测优化策略,该策略可以减少因函数的递归调用产生的相关冗余计算.本文选取了不同规模不同领域的工程项目和基准测试集进行相关对比实验,结果表明:基于高阶函数的依赖簇检测方法相比系统依赖图的检测方法,能够提升2.689倍的分析效率并减少35.7%的空间占用;基于自适应计算的依赖簇检测优化策略在高阶函数方法的基础上能够减少56.7%的冗余计算,提升23.9%的分析效率.

关键词：依赖簇高阶函数自适应计算系统依赖图形式概念分析

在线全文

学校读者我要写书评

暂无评论

双端聚类的自动调整聚类联邦学习

计算机应用 2024年

作者：尹春勇周永成南京信息工程大学计算机学院网络空间安全学院南京信息工程大学软件学院

联邦学习(FL)是一分布式机器学习方法，旨在共同训练全局模型，但全局模型难以胜任多数据分布情况。为应对多分布挑战，引入了聚类联邦学习，以客户端分组方式优化共享多模型。其中，服务器端聚类难以修正分类错误，而客户端聚类则对初... 详细信息

联邦学习(FL)是一分布式机器学习方法，旨在共同训练全局模型，但全局模型难以胜任多数据分布情况。为应对多分布挑战，引入了聚类联邦学习，以客户端分组方式优化共享多模型。其中，服务器端聚类难以修正分类错误，而客户端聚类则对初始模型的选择至关重要。为解决这些问题，提出自动调整聚类联邦学习(Automatically Adjusted Clustered Federated Learning,AACFL)框架，采用双端聚类整合了服务器端和客户端聚类。首先用双端聚类将客户端分为可调整集群，其次自动调整局部客户端身份，最后获取正确的客户集群。在非独立同分布下，在3个经典联邦数据集上的评估实验结果表明，AACFL能够在双端聚类结果存在错误的情况下通过调整获得正确集群，与联邦平均(FedAvg)算法、聚类联邦学习CFL(Clustered Federated Learning)和IFCA(Iterative Federated Clustering Algorithm)等方法相比，有效地提高模型收敛速度和获得正确聚类结果的速度，准确度平均提升0.20～23.16个百分点。验证了所提方法能够高效聚类，并提高模型收敛速度和准确度。

关键词：联邦学习聚类异构数据分布式机器学习神经网络

高光谱图像去噪的稀疏空谱Transformer模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2024年第1期47卷 150-158页

作者：杨智翔孙玉宝白志远栾鸿康南京信息工程大学计算机学院网络空间安全学院南京210044

现阶段Transformer模型的应用提升了高光谱图像去噪的性能,但原始Transformer模型对图像空间-光谱耦合关联性的利用仍存在不足;对空间特征的处理存在过于平滑,容易丢失小尺度结构的现象;同时在光谱维度上也过于关注全部通道特征,缺乏对... 详细信息

现阶段Transformer模型的应用提升了高光谱图像去噪的性能,但原始Transformer模型对图像空间-光谱耦合关联性的利用仍存在不足;对空间特征的处理存在过于平滑,容易丢失小尺度结构的现象;同时在光谱维度上也过于关注全部通道特征,缺乏对不同光谱波段间差异性的利用;为了应对这些问题,本文提出了一种新的稀疏空谱Transformer模型,提升了对空谱耦合关联性的利用。在空间维度,引入局部增强模块增强空间特征细节,应对过平滑问题;同时在光谱维度上提出了Top-k稀疏自注意力机制,自适应选择前K个最相关的光谱通道特征进行特征交互,从而能够有效捕获空谱特征。最终通过稀疏空谱Transformer的层级残差连接实现高光谱图像的去噪。在ICVL数据集上分别对高斯噪声和复杂噪声进行去噪处理,峰值信噪比分别达到40.56 dB和40.19 dB,证明了本文提出的稀疏空谱Transformer模型优越的性能。

关键词：高光谱图像去噪空间-光谱联合特征稀疏Transformer

基于颜色通道关联性和熵编码的彩色密文图像可逆信息隐藏

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年

作者：高光勇季驰夏志华数字取证教育部工程研究中心(南京信息工程大学) 南京信息工程大学计算机学院网络空间安全学院暨南大学网络空间安全学院

随着云计算领域数据安全和用户隐私的需求发展，密文图像可逆信息隐藏技术（reversible data hiding in encrypted images，RDHEI）已经越来越受到人们的关注，但目前大多数的密文图像可逆信息隐藏都是基于灰度图像，它们与彩色图像相... 详细信息

随着云计算领域数据安全和用户隐私的需求发展，密文图像可逆信息隐藏技术（reversible data hiding in encrypted images，RDHEI）已经越来越受到人们的关注，但目前大多数的密文图像可逆信息隐藏都是基于灰度图像，它们与彩色图像相比在应用场景上有很大局限性.此外，由于目前关于密文域的可逆信息隐藏方法主要集中于灰度图像，同时针对彩色图像的特性优化较少，往往无法对彩色载体图像实现更好的性能，所以进一步加强对基于彩色密文图像的可逆信息隐藏算法的研究具有很高的价值.首次提出了一种可以用于云计算环境的基于颜色通道相关性和熵编码的高性能彩色密文图像可逆信息隐藏算法（RDHEI-CE）.首先，原始彩色图像的RGB通道被分离并分别得出预测误差.接下来，通过自适应熵编码和预测误差直方图生成嵌入空间，之后通过颜色通道相关性进一步扩展嵌入空间，并将秘密信息嵌入加密图像中.最后，对载密图像进行可逆置乱以抵御唯密文攻击.与大多数最先进的可逆信息隐藏方法相比，实验表明RDHEI-CE算法提供了更高的嵌入率和更好的安全性，并且拓宽了可逆信息隐藏在云端的应用场景．

关键词：可逆信息隐藏密文图像彩色图像颜色通道相关性熵编码

面向人脸属性编辑的三阶段对抗扰动生成主动防御算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机学报 2024年第3期47卷 677-689页

作者：陈北京张海涛李玉茹南京信息工程大学教育部数字取证工程研究中心南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学计算机学院、网络空间安全学院南京210044

针对恶意人脸属性编辑行为,基于取证的被动防御技术只能对篡改行为进行取证并不能防止其产生,从而难以消除恶意篡改行为已经造成的损失.因此,主动防御技术应运而生,其可以破坏属性编辑的输出从而避免人脸被篡改使用.然而,现有两阶段训... 详细信息

针对恶意人脸属性编辑行为,基于取证的被动防御技术只能对篡改行为进行取证并不能防止其产生,从而难以消除恶意篡改行为已经造成的损失.因此,主动防御技术应运而生,其可以破坏属性编辑的输出从而避免人脸被篡改使用.然而,现有两阶段训练人脸篡改主动防御框架存在迁移性和扰动鲁棒性不足的问题,为此本文通过优化两阶段训练架构及损失函数和引入一个辅助分类器,提出一种三阶段对抗扰动主动防御框架.本文首先修改两阶段训练架构中的代理目标模型并基于此设计了训练扰动生成器的属性编辑损失,以提升代理模型的重建性能和属性约束能力,从而减少对代理模型的过拟合;其次,在训练阶段引入辅助分类器对代理模型提取的编码后特征进行源属性分类并基于此设计训练扰动生成器的辅助分类器损失,从而将原本的两阶段交替训练改为代理目标模型、辅助分类器和扰动生成器的三阶段交替训练,期望通过对抗攻击辅助分类器以促进对篡改模型的主动防御;最后,在扰动生成器的训练中,引入攻击层以促进对抗扰动对滤波和JPEG压缩的鲁棒性.实验结果验证,本文提出的框架能够比现有框架更好地将主动防御从白盒的代理目标模型迁移到黑盒的属性编辑模型,黑盒性能提升16.17%,且生成的对抗扰动较基线算法具有更强的鲁棒性,针对JPEG压缩的性能(PSNR)提升13.91%,针对高斯滤波提升17.76%.

关键词：人脸属性编辑主动防御对抗攻击辅助分类器交替训练

基于双层注意力和深度自编码器的时间序列异常检测模型

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2024年第5期46卷 826-835页

作者：尹春勇赵峰南京信息工程大学计算机学院、网络空间安全学院江苏南京210044

目前时间序列通常具有弱周期性以及高度复杂的相关性特征,传统的时间序列异常检测方法难以检测此类异常。针对这一问题,提出了一种新的无监督时间序列异常检测模型(DA-CBG-AE)。首先,使用新型滑动窗口方法,针对时间序列周期性设置滑动... 详细信息

目前时间序列通常具有弱周期性以及高度复杂的相关性特征,传统的时间序列异常检测方法难以检测此类异常。针对这一问题,提出了一种新的无监督时间序列异常检测模型(DA-CBG-AE)。首先,使用新型滑动窗口方法,针对时间序列周期性设置滑动窗口大小;其次,采用卷积神经网络提取时间序列高维度空间特征;然后,提出具有堆叠式Dropout双向门循环单元网络作为自编码器的基本结构,从而捕捉时间序列的相关性特征;最后,引入双层注意力机制,进一步提取特征,选择更加关键的时间序列,从而提高异常检测准确率。为了验证该模型的有效性,将DA-CBG-AE与6种基准模型在8个数据集上进行比较。最终的实验结果表明,DA-CBG-AE获得了最优的F1值(0.863),并且其检测性能相比最新的基准模型Tad-GAN高出25.25%。

关键词：异常检测双层注意力机制自编码器卷积神经网络双向门循环单元

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

融合知识和语义信息的双编码器自动摘要模型

计算机工程与应用 2024年

作者：贾莉马廷淮桑晨扬潘倩南京信息工程大学计算机学院网络空间安全学院江苏海洋大学计算机工程学院南京信息工程大学软件学院

为了解决自动文本摘要任务存在的文本语义信息不能充分编码、生成的摘要语义冗余、原始语义信息丢失等语义问题，本文提出了一种融合知识和文本语义信息的双编码器自动摘要模型（Dual-encoder Automatic Summarization model incorporat... 详细信息

为了解决自动文本摘要任务存在的文本语义信息不能充分编码、生成的摘要语义冗余、原始语义信息丢失等语义问题，本文提出了一种融合知识和文本语义信息的双编码器自动摘要模型（Dual-encoder Automatic Summarization model incorporating Knowledge and Semantic Information，KSDASum）。该方法采用双编码器对原文语义信息进行充分编码，文本编码器获取全文的语义信息，图结构编码器维护全文上下文结构信息。解码器部分采用基于Transformer结构和指针网络，更好地捕捉文本和结构信息进行交互，并利用指针网络的优势提高生成摘要的准确性。同时，训练过程中采用强化学习中自我批判的策略梯度优化模型能力。该方法在CNN/Daily Mail和XSum公开数据集上与GSUM生成式摘要方法相比，在评价指标上均获得最优的结果，证明了本文所提模型能够有效地利用知识和语义信息，提升了生成文本摘要的能力。

关键词：知识图谱编码器图注意力机制指针网络增强训练自动摘要