融合多种特征的恶意URL检测方法

随着Web应用的日益广泛,Web浏览过程中,恶意网页对用户造成的危害日趋严重.恶意URL是指其所对应的网页中含有对用户造成危害的恶意代码,会利用浏览器或插件存在的漏洞攻击用户,导致浏览器自动下载恶意软件.基于对大量存活恶意URL特征的统计分析,并重点结合了恶意URL的重定向跳转、客户端环境探测等逃避检测特征,从页面内容、JavaScript函数参数和Web会话流程这3个方面设计了25个特征,提出了基于多特征融合和机器学习的恶意URL检测方法——HADMW.测试结果表明：该方法取得了96.2%的精确率和94.6%的召回率,能够有效地检测恶意URL.与开源项目以及安全软件的检测结果相比,HADMW取得了更好的效果.     

电子取证专业实践教学体系研究

本文详细介绍了湖南警察学院电子取证专业实践教学体系的建设情况,包括实践教学体系的具体内容、实训模式和实验室建设等。     

数据挖掘在交通管理中的应用研究

交通信息的统计分析对公安交通管理工作具有重要作用。从交通管理的需要出发,对事故分析、决策制订、车辆监控中数据挖掘技术的应用进行了一些分析,并就交通管理数据挖掘系统结构进行了探讨。     

Indexing range sum queries in spatio-temporal databases

Although spatio-temporal databases have received considerable attention recently, there has been little work on processing range sum queries on the historical records of moving objects despite their importance. Since the direct access to a huge amount of data to answer range sum queries incurs prohibitive computation cost, materialization techniques based on existing index structures are suggested. A simple but effective solution is to apply the materialization technique to the MVR-tree known as the most efficient structure for window queries with spatio-temporal conditions. Aggregate structures based on other index structures such as the HR-tree and the 3DR-tree do not provide satisfactory query performance. In this paper, we propose a new index structure called the Adaptively Partitioned Aggregate R-Tree (APART) and query processing algorithms to efficiently process range sum queries in many situations. Our experimental results show that the performance of the APART is typically 1.3 times better than that of its competitor for a wide range of scenarios.     

基于弹性分组的大学计算机基础课程差异教学策略

在高校大学计算机基础课程改革中,考虑到学生对不同章节的知识点存在知识基础、学习方法、学习目标等方面的差异,动态地对学生学习特征进行差异测评,根据测评分进行弹性分组教学,利用网络平台进行差异辅导教学,构建全方位多元化差异教学体系。其优势在于教师能因材施教,学生能主动学习,使教与学达到真正地统一,并使学生在全面发展基础上有个性化发展的空间。差异教学体系有利于创新人才的培养。     

微分方程在复杂网络社团发现中的研究

理解复杂网络的关键在于迅速精确地发现网络中的社团结构。基于图理论的谱聚类算法是一种有效并全局收敛的优秀社团发现算法,其计算量集中于特征值和特征向量的计算。结合常系数线性常微分方程的解与系数矩阵特征值的关系,提出了基于微分方程的谱聚类社团发现算法(AMCF和LMCF);这两种算法避免了矩阵的特征值和特征向量的复杂计算过程,为社团发现算法提供了新的思路。理论分析和实验验证了算法的有效性。     

一种频繁子图挖掘算法

为减少频繁子图规范化检测的时间复杂度,对规范化邻接矩阵的相关性质进行分析。给出相关定理并证明其正确性,从而减少冗余候选子图的产生。在此基础上,提出一种频繁子图挖掘算法——FSM_CAM。实验结果证明,与现有频繁子图挖掘算法FSubGraphM相比,FSM_CAM算法的效率较高。     

基于卷积神经网络的低嵌入率空域隐写分析

近年来,基于深度学习的空域隐写分析研究在高嵌入率下已经取得了较好的成果,但是对低嵌入率的检测效果还不太理想.因此设计了一种卷积神经网络结构,使用SRM滤波器进行预处理来获取隐写噪声残差,采用3个卷积层并对卷积核大小进行合理设计,通过适当选择批量归一化操作和激活函数来提升网络的性能.实验结果表明：与现有方法相比,所提出的网络结构对WOW,S-UNIWARD和HILL这3种常见的空域内容自适应隐写算法取得了更好的检测效果,且在低嵌入率0.2bpp,0.1bpp和0.05bpp下的检测效果有非常明显的提升.还提出了逐步迁移（step by step）的迁移学习方法,进一步提升低嵌入率条件下的隐写分析效果.     

多虚拟机下基于内存缓存的动态块迁移算法

虚拟化技术为用户提供了高可用性、动态、可扩展、可按需分配的逻辑资源,虚拟机迁移技术则减弱了虚拟化初次分配资源后物理资源和逻辑资源的耦合程度,使得物理资源池构建更为灵活。然而现存的虚拟机迁移技术存在着资源消耗多,物理磁盘负载重,迁移数据冗余等问题,使得迁移的稳定性和可用性大打折扣。提出基于内存缓存的动态块迁移算法。该算法主要关注以下两点:其一是如何在保证迁移性能不受明显影响的前提下,更加合理利用内存缓存,快速将虚拟机页面迁移到目的服务器,从而节省物理资源;其二是如何通过更细粒度的资源管理方式实现更有针对性的迁移时机优化。基于QEMU虚拟机实现了该算法,多种不同应用负载下的实验结果表明,该算法能有效降低资源消耗和物理磁盘的负载,稳定且迅速地实现虚拟机的迁移。     

基于Web的C语言教学支持系统的研究

提出了一种基于WEB的C语言教学支持系统.该系统基于.NET平台,并通过客户端脚本与经典的C语言编译器无缝交互功能.利用B/S开发模式中数据交互通道实现了程序的逻辑功能性检测;结合面向对象的工程化设计思想和尝试性的语法语义分析模式对C程序进行语法检错判断.文章还结合工程应用方法分析了系统错误处理的重要性,对出现的各类错...