基于情绪感知的语言多属性决策方法

情绪对于决策有着重要影响,由于缺乏有效的决策者情绪状态获取方法,当前考虑情绪状态的语言多属性决策方法研究偏少.随着物联网技术的发展,通过可穿戴传感器能够便捷地获取决策者脑电信号,进而可感知其情绪状态.为此,研究基于情绪感知的语言多属性决策方法.首先,提出基于SVM概率输出模型的情绪感知方法,根据决策者脑电信号,实时、准确感知决策者情绪状态的概率分布;其次,提出基于云模型的语言评价定量化方法,一方面考虑语言评价的模糊性与随机性,另一方面考虑决策者情绪状态因素,定量化语言评价;然后,提出基于前景理论的方案排序方法,在情绪泛化假设下,根据综合前景值将各方案排序;最后,通过实例验证该决策方法的可行性和有效性.     

信息化试题库自动组卷策略的研究与实践

本文基于改进的遗传算法,通过相似个体淘汰和新个体补充扩大试题解的范围,稳定可能解的多样性,在此基础上建立了包含试卷知识点、难度系数、区分度等特征的智能组卷模型,在保证自动组卷精度的同时,提高了系统运算效率。     

基于双层BiLSTM的安装程序DLL劫持漏洞挖掘方法

动态链接库(dynamic link library, DLL)的出现给开发人员提供了极大的便利,也提高了操作系统与应用程序之间的交互性.然而,动态链接库本身存在的安全性隐患不容忽视,如何有效地挖掘Windows平台下安装程序执行过程中出现的DLL劫持漏洞是当下保障Windows操作系统安全的关键问题之一.搜集并提取大量安装程序的属性特征,从安装程序、安装程序调用DLL模式、DLL文件本身3个角度出发,使用双层BiLSTM (bi-directional long short-term memory)神经网络进行学习,抽取出漏洞数据集的多维特征,挖掘DLL劫持未知漏洞.实验可有效检测Windows平台下安装程序的DLL劫持漏洞,共挖掘10个未知漏洞并获得CNVD漏洞授权,此外通过和其他漏洞分析工具进行对比进一步验证该方法的有效性和完整性.