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。     

基于图像识别的多指针仪表自动读数方法

针对多指针仪表的指针读数识别问题,提出了一种基于色差变换的定位方法和基于表盘结构特征的指针读数自动识别与判读方法.采用LRCD变换、数学形态学处理方法和p 分位法完成有效区域筛选及水表的指针定位,根据表盘中心到指针回转中心的连线与子表盘0刻度线的夹角等特征,计算出子表盘0刻度线与指针指向线段的夹角,进一步识别并判读出指针读数.实验结果表明,该定位及识别算法计算简单,具有较高的准确率,克服了表盘随机角度倾斜对读数识别算法的影响.     

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。     

拼接篡改图像的色温估计取证方法

针对近年来图像伪造现象严重,而传统的图像取证方法过于依赖人工经验,缺乏严谨的取证依据的问题,提出一种基于色温估计的拼接篡改图像取证方法.利用改进的平均色差计算方法对图像进行色温估计;然后根据色温估计结果计算关键区域与参考区域之间的色温距离;最后与实验获取的色温距离阈值进行比较,判断图像中是否存在拼接篡改操作所引入的色温不一致现象.实验结果表明,该方法能够为图像取证工作提供科学量化的参考依据.     

基于RCEPN的资源配置优化模型与方法

由于系统资源变化会限制传统随机Petri网的应用,在对传统随机Petri网研究的基础上,提出一种带有资源约束的扩展Petri网（RCEPN）方法,使RCEPN中的每个变迁都有一类资源关联,并且变迁的实施速率与资源数量密切相关.RCEPN不仅使状态空间缩小,降低复杂性,也可使系统中任务和资源间的逻辑关系更加清晰,便于流程描述.利用排队论和数学规划给出了流程优化的数学模型,形成了解决资源优化配置问题的0-1规划,使RCEPN系统的响应时间最短.通过采购业务流程实例,验证了模型建立和优化方法的有效性.     

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。     

消费返利型网络传销犯罪的治理对策研究——以新型犯罪防控为视角

新型犯罪日益猖獗,治理研究亟需加强。以消费返利为表现形式的网络传销活动借助互联网技术呈蔓延状态,具有极强的社会危害性,严重扰乱市场经济秩序。公安机关经济犯罪侦查部门兼具职责与使命,在调研实际情况后为更好实现治理需要明确传销模式、准确分析特点、把握案件办理难点,并通过对电商行业实现宏观性战略研判、加强涉案资金的分析与查控、强化信息技术在消费返利型网络传销新型犯罪案件中的应用,以总结治理对策。     

自然语言处理技术在网络案情分析系统中的应用

随着互联网技术的飞速发展,大量的网络案情信息存在于互联网上,这既给办案人员提供了一定的线索,同时又带来了很大的挑战。设计并实现了一种网络案情分析系统,利用自然语言处理技术识别出海量网络案情文件中网名和网址等信息,并构建它们之间的关系网络。针对不同类型的文件,分别采取结构化分析和以“规则和统计”相结合为主、用户辅助知识库为辅的网名识别技术。实验证明,将该方法应用于网络犯罪案情分析系统中,有助于办案人员快速侦破案情。     

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。