基于ARM-COTEX A9的物品检测系统设计

伴随着RFID技术的发展,其应用于物联网的场景更加多样。ARM-COTEX A9具有处理速度快,支持安卓系统,从而可以实现基于安卓系统的设计开发。文章以ARM-COTEX A9为硬件平台,以安卓操作系统为基础,设计出物品检测系统。     

结合边缘信息和门卷积的人脸修复算法

针对任意形状遮挡下人脸修复,现有方法容易产生边缘模糊和恢复结果失真等问题。提出了一种结合边缘信息和门卷积的人脸修复算法。首先,通过先验人脸知识产生遮挡区域的边缘图,以约束人脸修复过程。其次,利用门卷积在部分像素缺失下的精确局部特征描述能力,设计面向图像修复的门卷积深度生成对抗网络(GAN)。该模型由边缘连接生成对抗网络和图像修复生成对抗网络两部分组成。边缘连接网络利用二值遮挡图和待修复图像及其边缘图的多源信息进行训练,实现对缺失边缘图像的自动补全和连接。图像修复网络以补全的边缘图为引导信息,联合遮挡图像进行缺失区域修复。实验结果表明:相比其他算法,该算法修复效果更好,其评价指标比当前基于深度学习的图像修复算法更优。     

融合注意力机制的恶意代码家族分类研究

近年来,随着恶意代码家族变种的多样化和混淆等对抗手段的不断加强,传统的恶意代码检测方法难以取得较好的分类效果。鉴于此,提出了一种融合注意力机制的恶意代码家族分类模型。首先,使用逆向反汇编工具获取恶意样本的各区段特征,并利用可视化技术将各区段转化为RGB彩色图像的各通道;其次,引入通道域和空间域注意力机制来构建基于混合域注意力机制的深度可分离卷积网络,从通道和空间两个维度提取恶意样本的图像纹理特征;最后,选取九类恶意代码家族对模型进行训练和测试。实验结果表明,使用单一区段特征对恶意代码家族分类的准确率较低,采用融合特征能够有效地区分各类恶意代码家族,同时该模型相比于传统的神经网络模型取得了更好的分类效果,模型的分类准确率达到了98.38%。     

A Semi-Supervised WLAN Indoor Localization Method Based on 1-Graph Algorithm

For indoor location estimation based on received signal strength (RSS) in wireless local area networks (WLAN), in order to reduce the influence of noise on the positioning accuracy, a large number of RSS should be collected in offline phase. Therefore, collecting training data with positioning information is time consuming which becomes the bottleneck of WLAN indoor localization. In this paper, the traditional semi-supervised learning method based on k-NN and ε-NN graph for reducing collection workload of offline phase are analyzed, and the result shows that the k-NN or ε-NN graph are sensitive to data noise, which limit the performance of semi-supervised learning WLAN indoor localization system. Aiming at the above problem, it proposes a 1-graph-algorithm-based semi-supervised learning (LG-SSL) indoor localization method in which the graph is built by 1-norm algorithm. In our system, it firstly labels the unlabeled data using LG-SSL and labeled data to build the Radio Map in offline training phase, and then uses LG-SSL to estimate user’s location in online phase. Extensive experimental results show that, benefit from the robustness to noise and sparsity of 1-graph, LG-SSL exhibits superior performance by effectively reducing the collection workload in offline phase and improving localization accuracy in online phase.     

微博用户的个性分类分析

社交网络给每个社会中的人提供了自由表达个人情感、观点、兴趣、建议等言论的平台。用户在这些平台上发表的言论、所做的行为以及用户在平台上建立的社交圈子也给数据挖掘带来了新的数据和机会。提出了一种利用用户在微博上的公开数据信息实现对该用户的MBTI个性维度进行分类分析的方法。在该方法中,基于对用户微博数据的分析,提出了能够表征用户心理和行为的文本和非文本特征,然后采用三种机器学习的分类方法—提升决策树、支持向量机和贝叶斯逻辑递归来对微博用户的个性进行分类分析。实验结果表明,通过对微博数据的挖掘可以在不同MBTI个性维度上达到75%~90%的准确率。     

信息采集比对报警系统的研究与设计

本文以二手手机交易信息为研究对象,研究并设计信息采集比对报警系统。通过前期的调研分析,确定系统的需求,对系统进行研究设计,设计了系统的结构框架、逻辑框架,确定了系统的功能模块。     

木马防治的抗隐形策略研究

木马防治是整个网络安全防护体系的重要一环,木马技术在不断进步,相应的对策也需跟进,文章首先研究了不同木马对抗环境下的抗隐形策略,再对不同模式下木马的防控能力进行对比,最后对系统层面的木马防治进行分析。     

基于统计特征和马尔可夫特征的图像拼接盲检测

数字图像真实性检测在司法鉴定等领域有着重要的作用.常见的图像拼接篡改会降低图像像素直接的相关性,这可以通过一些统计特征反映出来.采用特征提取-分类的方法,提取矩特征、基于二维相位一致性的统计特征,结合DCT域的马尔可夫特征,利用SVM分类器进行分类,实现了拼接图像的盲检测.实验结果表明,该方法有较好的鉴别准确率,可达91.75%.     

跨信任域授权模型

分析ISO10181访问控制框架与权限管理基础设施PMI,提出了跨信任域的授权模型CTRA.并用可信的边界安全网关实现该模型,解决了跨不同信任域的信任与授权问题,建立了跨不同安全域的信息交换与共享的可信计算平台.     

基于Win32 API的未知病毒检测

提出了一个基于行为特征向量的病毒检测方法。特征向量的每一维用于表示一种恶意行为事件,每一事件由相应的Win32应用程序编程接口(API)调用及其参数表示,并实现了一个自动化行为追踪系统(Argus)用于行为特征的提取。试验中,通过对样本数据的分析,利用互信息对特征向量进行属性约简,减少特征维数。试验结果表明,约简后的模型对于发生行为事件数大于1的病毒程序仍有着较好的检测效果。