ASP.NET网站重构建与调查

随着互联网技术的发展,目前网站已经成为最流行的信息获取和发布平台,承担着至关重要的作用,同时利用网站发布虚假信息、诈骗、赌博等事件也层出不穷,在调查取证过程中,需要相关工作人员调查网站运行平台,对网站进行重构建等操作。文章研究了ASP.NET网站工作原理、关键配置文件功能,通过大量实验分析研究,给出了网站的重构过程及常见网站构建问题的解决方案;并详细分析了ASP.NET平台的运行进程及IIS软件特征文件,提出了ASP.NET网站服务调查方法,特别是在关机状态下如何调查分析网站特征信息的具体方法。     

化学衍生化技术在毒品分析中的应用研究进展

衍生化是一种利用化学变换把化合物转化成类似化学结构物质的技术。样品进行衍生化的作用主要是把难于分析的物质转化为与其化学结构相似但易于分析的物质,便于量化和分离。本文简要介绍了化学衍生化技术,并对该技术在毒品检验中的应用进行综述,以期为法庭科学相关领域研究提供理论依据,为公安实践业务开展提供参考。     

融合LSTM-GRU网络的语音逻辑访问攻击检测

为进一步提高语音欺骗检测的准确率,提出一种融合LSTM-GRU网络的语音逻辑访问攻击（语音转换、语音合成）检测方法。融合LSTM-GRU网络是由长短期记忆网络（ Long short-term memory,LSTM）层、门控循环神经单元（Gated recurrent unit,GRU）层、丢弃层、批归一化层和全连接层串联结合的一种混合网络,其中LSTM层可以解决语音序列中的长时依赖问题,GRU层则可降低模型参数量。实验在ASVspoof2019 LA数据集上进行,提取20维的梅尔倒谱系数特征用于模型训练,在测试阶段使用训练好的LSTM-GRU模型对测试集中的语音进行欺骗检测。与GRU网络及LSTM网络的比较结果表明：LSTM-GRU网络在3种网络模型中正确识别率最高,等错误率（Equal error rate, EER）比ASVspoof2019挑战赛所提供基线系统低27.07%,对逻辑访问攻击语音检测的平均准确率达到98.04%,并且融合LSTM-GRU网络具备训练时间短、防止过拟合及稳定性高等优点。结果证明本文方法可有效应用于语音逻辑访问攻击检测任务中。     

基于IconCache．db文件解析用户操作行为方法研究

作为计算机犯罪侦查中重要的证据与线索来源,用户行为信息在揭示犯罪分子操作细节方面发挥着重要作用。以往关于此方面的研究主要集中于Prefetch文件夹、Rencent文件夹和注册表等方面,文章则对之前关注较少的图标缓存文件IconCache．db进行研究,剖析其内部结构,从电子数据取证角度归纳总结用户操作对其产生的影响。实践证明,该方法准确高效。     

语义驱动的颜色恒常决策算法

不同颜色恒常性算法适用于不同场景下的图像,算法融合是扩展颜色恒常性算法适用范围常用的方法之一,而现有融合性算法在算法选择依据上忽略了语义信息在图像纹理特征描述中的作用,导致光源估计时的精度不高。针对该问题,提出一种语义驱动的颜色恒常决策算法。首先,利用PSPNet(Pyramid Scene Parsing Network)模型对经过一阶灰度边缘算法(1st Gray Edge)偏色预处理后的目标图像进行场景语义分割,并计算场景中各个语义类别的占比;其次,根据语义类别及占比在已训练的决策集合中寻找相似的参考图像,并使用欧氏距离计算两者的语义相似度;最后,将语义相似度与基于多维欧氏空间确定的阈值进行判别,根据判别结果选择合适算法为目标图像实行偏色校正。在Color Checker和NUS-8 camera两种数据集中的实验结果表明,所提算法光源估计角度误差较单一算法均大幅度下降,且较同类型融合性算法分别下降14.02%和8.17%,提高了光源估计的鲁棒性和准确度。     

基于视频残差神经网络的深度步态识别

步态识别是根据人体的行走方式进行身份识别. 目前, 大多数步态识别方法通过浅层神经网络进行特征提取, 在室内步态数据集表现良好, 然而在近年新公布的室外步态数据集中性能表现不佳. 为了解决室外步态数据集带来的严峻挑战, 提出了一种基于视频残差神经网络的深度步态识别模型. 在特征提取阶段, 基于提出的视频残差块构建深层3D卷积神经网络(3D CNN), 提取整个步态序列的时空动力学特征; 然后, 引入时序池化和水平金字塔映射降低采样特征分辨率并提取局部步态特征; 使用联合损失函数驱动训练过程, 最后通过BNNeck平衡损失函数并调整特征空间. 实验分别在公开的室内 (CASIA-B)、室外(GREW、Gait3D)这3个步态数据集上进行. 实验结果表明, 该模型在室外步态数据集中的准确率以及收敛速度优于其他模型.     

基于改进YOLOX的X射线违禁物品检测

在安全检查过程中快速准确地识别违禁物品有利于维护公共安全。针对X射线行李图像中存在的物品堆叠变形、复杂背景干扰、小尺寸违禁物品检测等问题,提出一种改进模型用于违禁物品检测。改进基于YOLOX模型进行,首先在主干网络中引入注意力机制加强神经网络对违禁品的感知能力;其次在Neck部分改进多尺度特征融合方式,在特征金字塔结构后加入Bottom-up结构,增强网络细节表现能力以此提高对小目标的识别率;最后针对损失函数计算的弊端改进IOU损失的计算方式,并根据违禁物品检测任务特点改进各类损失函数的权重,增大对网络误判的惩罚来优化模型。使用该改进模型在SIXray数据集上进行实验,m AP达到89.72%,FPS到达111.7 frame/s具备快速性和有效性,所提模型与阶段主流模型相比准确率和检测速度都有所提升。     

Regional societal and ecosystem metabolism analysis in China: A multi-scale integrated analysis of societal metabolism(MSIASM) approach

The complicated nature of regional development requires a more integrated approach to reflect its systematic picture. Multi-scale integrated analysis of societal metabolism (MSIASM) is such an approach as it integrates economic, social and ecological dimension. In this paper, we employ such an approach to evaluate regional societal and ecosystem metabolism in China. We set up a series of indicators to present different development perspectives and employ a complete decomposition model to further identify key factors for regional sustainable development. Our research outcomes indicate that both west and north China rely on natural resource for their development while east and south China have more balanced sector structure. We also found that urban areas, especially those large cities, have already reached the level of those developed countries. Thus, how to reduce the gap between urban and rural contexts will be the next challenge of the Chinese government. From temporal point of view, although in recent years China gained great achievement for economic development, there is a lack of attention on improving people’s life quality and social service. This requires a more balanced development strategy so that different regions can better utilize their resources and support each other and a more balanced sector structure so that economic development will not be always the main focus of regional government and more attention on improving social welfare will be paid.