基于Javamail企业邮件安全管理系统的设计与实现

基于Bayrsian算法,运用Javamail技术设计了一款针对企业的电子邮件安全管理系统.设计中,在反垃圾邮件系统框架中增加了多个过滤层,提高了垃圾邮件的拦截率,并降低了误拦率.某企业使用该邮件安全管理系统进行邮件审计和垃圾邮件过滤检测后发现,该系统具有良好的个性化管理和垃圾邮件过滤功能,可以为企业用户提供良好的邮件安全管理服务.     

基于贝叶斯算法的垃圾邮件过滤器的模拟实现

对贝叶斯算法进行了深入分析与研究。在过滤算法设计中,研究发现基于贝叶斯算法的过滤模拟器运算的错误率与选取的敏感词汇数量有关,选取的敏感词汇与邮件训练集的数量越多,设计的邮件过滤器的正确率就越高。综合考虑了实用性和经济性,在选取训练集数量和敏感词汇数量时,根据实际情况选择了一个度,设计了一个基于贝叶斯算法的垃圾邮件模拟过滤模型。     

改进的贝叶斯分类对垃圾邮件识别探讨

垃圾邮件日益泛滥给人们的生活带来了越来越多的扰乱与危害.结合规则过滤技术及改进的朴素贝叶斯分类模型,对垃圾邮件进行识别过滤,最后实验结果表明该策略提高了准确率,具有良好的分类效果.     

应用网关技术有效拦截垃圾邮件

电子邮件是基于Internet最广泛应用的网络功能．而垃圾邮件却降低了人们对网络的信任度．给工作造成了不可低估的损失．如何控制垃圾邮件成了大家关注的话题，中国电力企业联合会机关本部通过应用安全邮件网关技术对垃圾邮件进行防护．达到了抗攻击．反垃圾．防病毒和非法内容过滤的技术目标。     

基于全局的即时垃圾邮件过滤模型的研究

基于贝叶斯模型,提出了一种更为灵活的、有效的、基于全局的即时分类模型的垃圾邮件分类模型,pValue优先邮件过滤模型。该分类模型着眼于全局的实例,在所有邮件中选取最需要得到评估的实例进行计算,反复进行该过程并在需要的时候中断进程,最终得到实例的全局最优化。我们使用UCI提供的邮件样本进行验证。实验结果验证了该分类模型比FCFS即时分类模型的性能更优。在即时分类的早期较好的改善分类效果降低分类的0-1损失错误率和RMSE错误率,并伴随着计算资源的增加得到更好的分类准确率。     

启明星辰公司天澄防垃圾邮件系统问世

近日,启明星辰信息技术有限公司推出“天澄防垃圾邮件系统”,该产品从并发邮件数、内容过滤、垃圾判别、病毒处理等方面对邮件进行严格检查,有效抑制了垃圾邮件和病毒邮件的泛滥。     

低成本对抗性隐蔽虚假数据注入攻击及其检测方法

信息物理深度耦合的电网面临着虚假数据注入攻击的威胁,深度学习技术成为检测虚假数据注入攻击的重要手段。针对深度神经网络面临的对抗性攻击的问题,该文提出一种低成本对抗性隐蔽虚假数据注入攻击方案及对应的检测方法。通过两阶段优化求解最优的量表组合及攻击值,得到预期攻击目标的最优攻击策略,对最优攻击值通过白盒攻击添加对抗性扰动,使深度学习模型将其误报为正常样本。从检测的角度,对历史数据库中的所有初始攻击样本均添加对抗性扰动,并标记为攻击样本加入训练集,对模型进行训练,提升检测性能。分别在IEEE14节点系统和IEEE118节点系统上进行实验,验证了所提攻击和检测方法的有效性。     

MRC-PBM:一种中文电子病历嵌套命名实体识别方法

中文电子病历实体包含大量的医学领域词汇并具有明显的嵌套特征。嵌套实体识别时往往存在目标实体定位不完整、不准确的问题。针对这一问题,提出了一种基于机器阅读理解的中文电子病历嵌套命名实体识别模型MRC-PBM (machine reading comprehension-position information biaffine and MLP)。该模型将命名实体识别(named entity recognition, NER)转化为机器阅读理解任务,将中文电子病历文本和预定义的查询语句串联作为输入,使用基于医学的预训练模型MC＿BERT获取词向量,然后通过双向长短期记忆网络模型(BiLSTM)和多粒度扩张卷积模型分别获取双向的特征信息以及单词之间的信息,得到相应的特征向量,最后使用Hybrid-PBM预测器进行实体预测。在嵌套和平面NER数据集上进行实验。实验表明,该模型在糖尿病语料和公开医学数据集上优于其他主流神经网络模型,F1值比基线模型提高了1.21%～5.80%。     

基于神经网络实现水轮机自学习PID调节

本文提出一种基于神经网络实现自学习ＰＩＤ控制策略，该策略用于水轮机调节领域。它不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，进而进行自学习，仿真结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性     

基于无监督学习的电力系统网络潜在多步攻击实时检测方法

针对网络潜在攻击行为检测率和准确率较低、误报率较高的问题，提出基于无监督学习的电力系统网络潜在多步攻击实时检测方法。通过提取攻击流量特征、输入训练好的无监督学习模型，判断攻击流量是否产生攻击行为，同时检测潜在多步攻击类别。使用网络模拟器，模拟电力系统网络环境，采用攻击工具进行网络流量攻击。试验结果表明，设计方法检测网络攻击流时，检测率和准确率较高，误报率较低。方法可以有效抵挡网络多步攻击行为，保证电力系统安全。     

How good are our weapons in the spam wars?

Will there ever be an end to "spam wars"? We are bombarded with unsolicited bulk email, we deploy newer and supposedly better ways of filtering spam, and yet spammers continue to devise creative ways to circumvent our defenses. Over the years, the volume of spam has increased steadily, in spite of the continued efforts to contain it. In order to understand the spam problem and to explore control methods, it is useful to analyze spam control techniques by looking at spam generation and transmission as a system. We find that not all spam control methods are equal, because each operates at different points in the system, where their leverage is widely different. In the end, no email control technique is likely to solve the spam problem definitively.     

基于预训练BERT模型的客服工单自动分类研究

本文介绍了工单文本分类的理论和应用,并对文本分析的分词、机器学习、深度学习等技术方法进行了描述。基于预训练BERT模型提出了95598客服工单自动分类的方法,设计了电力客服工单自动分类的流程,最后通过一个实际的案例对算法模型进行校验,并与传统的文本挖掘方法进行了对比。算例的结果表明,所使用的工单分类算法能显著提高分类的准确性,在分类效率上也较高。     

基于二叉排序树及中文分词的关键字过滤技术

防止敏感重要的文档资料泄漏是电力行业信息安全中一项重要的工作。采用二叉排序树技术对基础词组库和过滤关键字进行预排序,采用最大后缀匹配方式对需要检测的文本字符串进行中文分词,再通过关键字二叉排序树进行检查过滤,以达到安全高效检测敏感关键字的目的。经性能分析测试,该技术在性能和准确率上都有很好的效果。     

基于不均衡数据集成学习的大型电力变压器状态评价方法

大型电力变压器构造复杂,设备成本高,是电力系统的关键组成部分,其运行状态与电力系统的安全稳定密切相关,因此变压器状态评价已成为常态运维业务工作。然而目前状态评价工作严重依赖导则与专家经验,人力成本高,易受到主观影响;而已有模型往往直接应用标准算法,在实际生产环境中表现不佳。针对目前大型电力变压器状态评价在数据质量、样本分布、应用需求与模型表现等方面存在的问题,提出了一种新的评价模型。首先,剔除了无效样本并设计了一种交叉权重方法来标记有效样本;之后,按照数据完整程度区分状态量并对其进行特征提取和高维映射,再拆分数据集得到多个完备训练数据集;然后,应用SMOTEBORDERLINE算法来合成正样本,得到多个完备均衡训练数据集;最后,并行化训练多个代价敏感修正的支持向量机(support vector machine,SVM)组件学习器,并通过权重投票法形成集成学习器。所提出的模型考虑了不均衡数据集与代价敏感所带来的影响,利用集成学习提高了模型的泛化能力,经过实际生产环境验证表现良好,与传统方法相比,显著降低了非正常状态样本的误判率与漏判率。     

一种基于特征空间矢量的故障诊断方法

提出了一种基于特征空间矢量的故障诊断方法。该方法物理意义明确,可以通过对故障诊断误差的学习,实时修正故障模型,实现对不确定性和慢时变性对象的鲁棒故障诊断。在对象故障先验知识不完备的情况下,能够通过学习逐步建立对象完善的故障诊断模型。还可以对诊断模型的故障可分离度进行评判,为优化征兆信号选取提供条件。示例表明,该方法能适用于具有不确定性和慢时变性的复杂民对象的故障诊断。     

基于深度包检测技术的邮件过滤研究

伴随着互联网的飞速发展,垃圾邮件现象愈来愈严重,如何更高效地过滤垃圾邮件成了国内外研究学者的重点关注问题。传统的垃圾邮件过滤技术都是在客户端上实现的,将垃圾邮件过滤技术引入到具有深度包检测技术的DPI设备中,提出了基于深度包检测的实时黑名单技术与贝叶斯过滤技术相结合的综合型电子邮件过滤方式。实验结果表明,基于DPI的邮件过滤可以实现邮件的在线检测与删除功能,释放了被垃圾邮件占用的网络带宽,节省了网络资源,提高了网络有效负荷利用率。     

Hybrid-driven-based fuzzy secure filtering for nonlinear parabolic partial differential equation systems with cyber attacks

The problem of hybrid-driven fuzzy filtering for nonlinear semi-linear parabolic partial differential equation systems with dual cyber attacks is investigated. First, a Takagi-Sugeno (T-S) fuzzy model is employed to reconstruct the original nonlinear systems. Second, a hybrid-driven mechanism is applied for filter design to balance the systems' performance and the limited network resource consumption under dual cyber attacks composed of deception and denial of service attacks. Based on the Lyapunov direct method, sufficient conditions to guarantee the stability of the augmented system are obtained, and the parameters of the designed filter are earned with explicit form. Finally, a simulation example with robust analysis and comparative analysis is provided to illustrate the effectiveness of the proposed method.     

一种基于概率距离尺度学习的图像标注方法

大部分传统的基于距离尺度学习的图像标注方法假设训练样本之间存在确定的约束关系。这样的假设在小规模、精准的数据集上可以取得一定的效果。但是当数据量较大,每幅图像有多个标注且部分标注含有噪声时,这种过于理想的假设则不成立。提出了一种基于概率主题模型的距离尺度学习方法,通过概率主题模型挖掘这种模糊的、潜在的不确定辅助信息,并应用于后续的距离尺度学习中得到语义上距离尺度,改进基于搜索的图像标注性能。在 Flickr 数据集上的实验证明所提出方法比当前方法具有更好的图像自动标注性能。