排序方式: 共有13条查询结果,搜索用时 0 毫秒
1.
目前针对未知的Android恶意应用可以采用机器学习算法进行检测,但传统的机器学习算法具有少于三层的计算单元,无法充分挖掘Android应用程序特征深层次的表达。文中首次提出了一种基于深度学习的算法DDBN (Data-flow Deep BeliefNetwork)对Android应用程序数据流特征进行分析,从而检测Android未知恶意应用。首先,使用分析工具FlowDroid和SUSI提取能够反映Android应用恶意行为的静态数据流特征;然后,针对该特征设计了数据流深度学习算法DDBN,该算法通过构建深层的模型结构,并进行逐层特征变换,将数据流在原空间的特征表示变换到新的特征空间,从而使分类更加准确;最后,基于DDBN实现了Android恶意应用检测工具Flowdect,并对现实中的大量安全应用和恶意应用进行检测。实验结果表明,Flowdect能够充分学习Android应用程序的数据流特征,用于检测未知的Android恶意应用。通过与其他基于传统机器学习算法的检测方案对比,DDBN算法具有更优的检测效果。 相似文献
2.
针对配电网通信网络现状存在的问题,分析智能配电网通信网业务需求,结合智能配电网通信技术,提出智能配电通信网络建设原则,为智能配电通信网络规划设计和实施提供参考。 相似文献
3.
1.5 MW循环流化床锅炉内煤与垃圾混烧的烟气特性 总被引:1,自引:1,他引:1
通过对1.5 MW循环流化床锅炉内煤与垃圾混烧产生的烟气中的CO、HCl、SO2、NOx、H2O、二噁英等成分进行在线监测,发现原煤燃烧排放的CO浓度要高于添加垃圾后排放的CO浓度,随垃圾加入比例的增大,不完全燃烧份额增加,相应的CO排放值逐渐提高。由于原煤含硫量远高于垃圾含硫量,因此随着垃圾加入比例的增大,烟气中的SO2浓度有所降低。烟气中HCl浓度随着垃圾加入比例的增大几乎呈直线增加。而烟气中NOx浓度则呈现出含量下降的趋势,这证明循环流化床锅炉可以抑制NOx总量的生成,但N2O的排放浓度会有所增加。此外,随着垃圾加入比例的增大,烟气中的H2O和二噁英含量也有所增加,成为该工艺实际应用过程中需要考虑的问题。 相似文献
4.
5.
主要阐述了含水率、孔隙率、气孔形状和尺寸对蒸压加气混凝土导热系数的影响,给出了含水率对导热系数影响的拟合曲线,得出当含水率为15%时是一个拐点;给出了孔隙率对导热系数的拟合曲线;并给出了孔的形状、尺寸及形状和尺寸的共同作用对蒸压加气混凝土导热系数的影响的预测模型。 相似文献
6.
7.
荆鹏飞 《数码设计:surface》2014,(12):101-103
文章通过应用复杂适应性系统理论(CAS),在生态时代的背景下对产品设计的复杂适应性系统的各因素进行分析,了解各因素间的作用及反作用,从而更好的指导设计活动顺利地开展。 相似文献
8.
9.
10.