PDF也能修来改去

下载文档,发布文档,PDF是我们最常遇到的文件格式。不过制作、编辑PDF文件却有着种种限制,今天就教大家通过免费软件来快速生成PDF文档,并在一定范围内修改PDF文档。     

基于PDF的电子票据自动生成技术与应用

基于PDF的电子票据自动生成技术在网上电子商务中有广阔的应用前景。文中提出了PDF（可移植性电子文档）为网络环境下电子商务中电子票据的首选文档格式,研究了此种电子票据的自动生成技术。文中也简要地介绍了一个应用实例。     

基于Docbook标准的IETM发布平台

Docbook是一种基于SGML/XML的可将文件内容与文件样式信息分开处理的文件规范。讨论了在基于S1000D的交互式电子技术手册(IETM)应用中将发布模块(PM)转换为Docbook规范的文档,并通过扩展样式表语言(XSL)将Docbook规范文档转换为多种格式文档,将IETM手册发布成各种不同电子出版物的文档处理机制。实现了这种文档处理机制下的IETM发布平台。     

用XML语言解决网络排版文件在网上的发布

针对海辉网络组版软件原有功能的局限 ,生成的排版结果只能通过软件自身打开 ,且不能实现网上的发布 ,通过在VC 6 .0环境下编制接口实现了从原有系统中提取排版结果的版面信息 ,生成XML文档 ,并利用XSL来对结果进行显示 ,只要将生成的XML文件放到要发布的网络地址 ,即可实现版面信息的网上发布。通过使用文档对象模型实现了XML文件的生成 ,并实现了文档的页内联接和页外联接。     

用XML语言解决网络排版文件在网上的发布

针对海辉网络组版软件原有功能的局限,生成的排版结果只能通过软件自身打开,且不能实现网上的发布,通过在VC+ +6.0环境下编制接口实现了从原有系统中提取排版结果的版面信息,生成XML文档,并利用XSL来对结果进行显示,只要将生成的XML文件放到要发布的网络地址,即可实现版面信息的网上发布.通过使用文档对象模型实现了XML文件的生成,并实现了文档的页内联接和页外联接.     

基于IETM浏览平台的数据访问控制模型

针对IETM浏览平台中型号、数据包、出版物、数据模块等多个访问客体,在基于角色的访问控制模型RBAC0基础之上进行了改进,提出了IETM浏览平台中数据访问控制模型。该模型实现了不同角色的用户登录IETM浏览平台时进行权限筛选,不同角色的用户只能查看自己权限内数据。引入型号、数据包、出版物、数据模块不同层次的权限级别概念,实现细粒度访问控制,最小访问控制粒度可以达到数据模块级别。     

面向恶意PDF文档分类的对抗样本生成方法研究CSCD

通过恶意文档来传播恶意软件在现代互联网中是非常普遍的,这也是众多机构面临的最高风险之一。PDF文档是全世界应用最广泛的文档类型,因此由其引发的攻击数不胜数。使用机器学习方法对恶意文档进行检测是流行且有效的途径,在面对攻击者精心设计的样本时,机器学习分类器的鲁棒性有可能暴露一定的问题。在计算机视觉领域中,对抗性学习已经在许多场景下被证明是一种有效的提升分类器鲁棒性的方法。对于恶意文档检测而言,我们仍然缺少一种用于针对各种攻击场景生成对抗样本的综合性方法。在本文中,我们介绍了PDF文件格式的基础知识,以及有效的恶意PDF文档检测器和对抗样本生成技术。我们提出了一种恶意文档检测领域的对抗性学习模型来生成对抗样本,并使用生成的对抗样本研究了多检测器假设场景的检测效果(及逃避有效性)。该模型的关键操作为关联特征提取和特征修改,其中关联特征提取用于找到不同特征空间之间的关联,特征修改用于维持样本的稳定性。最后攻击算法利用基于动量迭代梯度的思想来提高生成对抗样本的成功率和效率。我们结合一些具有信服力的数据集,严格设置了实验环境和指标,之后进行了对抗样本攻击和鲁棒性提升测试。实验结果证明,该模型可以保持较高的对抗样本生成率和攻击成功率。此外,该模型可以应用于其他恶意软件检测器,并有助于检测器鲁棒性的优化。     

面向 Web 的 PDF 文档构建技术

介绍利用Web技术进行PDF文档构建的策略方法,探讨PDF文档构建中水印生成技术、表格标题头处理技术、大数据流数据结构设计、表格文本块动态分割技术、分页控制技术等。设备管理Web系统的应用实践表明,PDF文档构建技术精巧,为类似的应用系统提供可供借鉴的解决方案。     

面向恶意PDF文档分类的对抗样本生成方法研究

通过恶意文档来传播恶意软件在现代互联网中是非常普遍的,这也是众多机构面临的最高风险之一。PDF文档是全世界应用最广泛的文档类型,因此由其引发的攻击数不胜数。使用机器学习方法对恶意文档进行检测是流行且有效的途径,在面对攻击者精心设计的样本时,机器学习分类器的鲁棒性有可能暴露一定的问题。在计算机视觉领域中,对抗性学习已经在许多场景下被证明是一种有效的提升分类器鲁棒性的方法。对于恶意文档检测而言,我们仍然缺少一种用于针对各种攻击场景生成对抗样本的综合性方法。在本文中,我们介绍了PDF文件格式的基础知识,以及有效的恶意PDF文档检测器和对抗样本生成技术。我们提出了一种恶意文档检测领域的对抗性学习模型来生成对抗样本,并使用生成的对抗样本研究了多检测器假设场景的检测效果(及逃避有效性)。该模型的关键操作为关联特征提取和特征修改,其中关联特征提取用于找到不同特征空间之间的关联,特征修改用于维持样本的稳定性。最后攻击算法利用基于动量迭代梯度的思想来提高生成对抗样本的成功率和效率。我们结合一些具有信服力的数据集,严格设置了实验环境和指标,之后进行了对抗样本攻击和鲁棒性提升测试。实验结果证明,该模型可以保持较高的对抗样本生成率和攻击成功率。此外,该模型可以应用于其他恶意软件检测器,并有助于检测器鲁棒性的优化。