排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
2.
3.
考虑到协议一致性测试中基于扩展有限状态自动机( EFSM)模型的测试序列生成仍然是一个尚无理想方法解决的开放性问题,提出了一种面向协议一致性测试的基于EFSM模型的测试序列生成方法.此方法将EFSM模型转换成确定化的EFSM (DEFSM)模型,并在转换过程中对EFSM模型中的条件和操作冲突进行检测并加以消除,此外,通过测试序列生成附加模块的协助,可将变量及其条件判定从DEFSM模型中分离出来,使得处理后的DEFSM模型等同于有限状态自动机(FSM)模型,从而将EFSM的描述优势和基于FSM模型的测试序列生成优势进行有效的结合.理论和实验分析结果显示了此方法的有效性. 相似文献
4.
针对网页正文提取算法缺乏通用性,以及对新闻网页的提取缺乏标题、时间、来源信息的问题,提出一种新闻关键信息的提取算法newsExtractor。该算法首先通过预处理将网页转换成行号和文本的集合,然后根据字数最长的一句话出现在新闻正文的概率极高的特点,从正文中间开始向两端寻找正文的起点和终点提取新闻正文,根据最长公共子串算法提取标题,构造正则表达式并以行号辅助判断提取时间,根据来源的格式特点并辅以行号提取来源;最后构造了数据集与国外开源软件newsPaper进行提取准确率的对比实验。实验结果表明,newsExtractor在正文、标题、时间、来源的平均提取准确率上均优于newsPaper,具有通用性和鲁棒性。 相似文献
5.
6.
随机域名是指由随机域名算法生成的域名,被针对计算机网络系统的恶意软件广泛使用,随机域名的检测任务是域名系统过滤攻击流量的基础性工作.传统方法对随机域名的检测效果不理想,精确率与召回率较低,导致过滤攻击流量时会出现较多的误判.本文提出和实现了一种基于GRU型循环神经网络的随机域名检测模型,该模型首先将域名转换成向量,然后借助GRU自动学习域名向量的特征,最后通过神经网络计算分类.相比于传统方法,该模型不再需要人工提取特征的过程,减少了特征提取的时间.且经过算法生成数据与真实场景数据的实验验证,该方法在随机域名检测任务中相比传统模型表现更加出色. 相似文献
7.
在区块链系统中,共识算法具有重要作用。它不仅协助节点保持数据一致,同时还对代币发行、攻击防范具有一定功能。从2009年第一个区块链系统诞生至今,随着区块链技术的成熟,区块链共识算法也在不断发展与完善,到如今已演变出多种分支。本文将从拜占庭问题以及比特币工作量证明机制为切入点,从安全、性能等角度分析主流共识算法 (如PoW、PoS、DPoS) 的优劣特点,然后以几种特殊算法为代表,梳理共识算法研究现状。最后,本文基于上述分析,对对区块链共识算法的发展前景进行展望。 相似文献
8.
9.
10.
点击欺诈是近年来最常见的网络犯罪手段之一,互联网广告行业每年都会因点击欺诈而遭受巨大损失。为了能够在海量点击中有效地检测欺诈点击,构建了多种充分结合广告点击与时间属性关系的特征,并提出了一种点击欺诈检测的集成学习框架——CAT-RFE集成学习框架。CAT-RFE集成学习框架包含3个部分:基分类器、递归特征消除(RFE,recursive feature elimination)和voting集成学习。其中,将适用于类别特征的梯度提升模型——CatBoost(categorical boosting)作为基分类器;RFE是基于贪心策略的特征选择方法,可在多组特征中选出较好的特征组合;Voting集成学习是采用投票的方式将多个基分类器的结果进行组合的学习方法。该框架通过CatBoost和RFE在特征空间中获取多组较优的特征组合,再在这些特征组合下的训练结果通过voting进行集成,获得集成的点击欺诈检测结果。该框架采用了相同的基分类器和集成学习方法,不仅克服了差异较大的分类器相互制约而导致集成结果不理想的问题,也克服了RFE在选择特征时容易陷入局部最优解的问题,具备更好的检测能力。在实际互联网点击欺诈数据集上的性能评估和对比实验结果显示,CAT-RFE集成学习框架的点击欺诈检测能力超过了CatBoost模型、CatBoost和RFE组合的模型以及其他机器学习模型,证明该框架具备良好的竞争力。该框架为互联网广告点击欺诈检测提供一种可行的解决方案。 相似文献