基于机器学习的软件漏洞挖掘方法综述

软件复杂性的增加给软件安全性带来极大的挑战.随着软件规模不断增大以及漏洞形态多样化,传统漏洞挖掘方法由于存在高误报率和高漏报率的问题,已无法满足复杂软件的安全性分析需求.近年来,随着人工智能产业的兴起,大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先,本文通过梳理基于机器学习的软件漏洞挖掘的现有研究工作,归纳了其技术特征与工作流程.接着,从其中核心的原始数据特征提取切入,以代码表征形式作为分类依据对现有研究工作进行分类阐述,并系统地进行了对比分析.最后依据对现有研究工作的整理总结,探讨了基于机器学习的软件漏洞挖掘领域面临的挑战,并展望了该领域的发展趋势.     

基于SAR 数据的三维散射中心模型位置重构方法

该文面向目标识别应用阐述了基于SAR 数据的3 维散射中心模型位置重构的基本方法。首先阐述了如何从SAR 数据中重构出目标的3 维散射中心模型的基本框架,然后提出了基于散射中心模型2 维参数的3 维散射中心模型重构方法,最后通过仿真实验验证了该方法的正确性。