Hidden Markov Models for Software Piracy Detection

Abstract

In this paper, we analyze a method for detecting software piracy. A metamorphic generator is used to create morphed copies of a base piece of software. A hidden Markov model is trained on the opcode sequences extracted from these morphed copies and the resulting trained model is used to score suspect software to determine its similarity to the base software. A high score indicates that the suspect software may be a modified version of the base software, suggesting that further investigation is warranted. In contrast, a low score indicates that the suspect software differs significantly from the base software. We show that our approach is robust, in the sense that the base software must be extensively modified before it is not detected.     

人脸识别方法综述*

对一系列人脸识别方法进行了综合性描述。首先介绍了人脸识别的概念及其发展历史,指出了人脸识别所面临的主要困难;随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了比较详细的阐述。最后介绍了人脸识别技术在国内外的应用状况。     

一种基于奇异值分解和隐马尔可夫模型的人脸识别方法

提出了一种新的基于隐马尔可夫模型的人脸识别方法,这种方法采用奇异值分解抽取人脸图像特征作为观察序列,减少了数据的存储量和计算量,并提高了识别率,实验结果同其它两种基于隐马尔可夫模型的方法进行了比较。     

基于连续隐马尔可夫模型的人脸识别方法

提出了一种基于连续隐马尔可夫模型的人脸图像识别方法,主要内容包括以下方面:①由于奇异值向量具有稳定性.转置不变性等特点,对归一化的人脸图像,采用奇异值分解抽取人脸图像特征作为观察值序列;②在人脸识别中应用连续隐马尔可夫模型,采用双高斯概率密度函数训练,建立HMM模型,再利用建好的HMM模型进行识别.实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统实时性要求.     

基于HMM方法的银行票据自动识别

利用隐态马尔可夫模型(HMMs),对银行票据中金额的大小写数据识别问题进行了研究．主要内容包括建立新颖的文字分刻算法;设计HMM训练和识别算法．在HMM系统中,将使用频率比较高的手写体错别字和同音字作为不同的字符类来处理;同时在HMM的训练过程中,提出了平滑参数的新方法．实验结果表明,该方法在实践中是可行的,在银行票据自动识别中有很好的应用前景．     

基于奇异值分解的机器人工具坐标系标定

机器人通过在末端安装不同的操作工具来完成各种作业任务,而工具参数的准确度直接影响着机器人操作精度,因此研究一种准确、快速的工具坐标系标定方法具有重要的意义。该文提出一种称为三点五步法的机器人工具坐标系标定方法,并基于矩阵的奇异值分解理论对该标定方法进行了严密的数学推理,证明该标定方法理论上的可行性。采用该算法进行工具坐标系标定具有操作简单、标定精度高、可靠性强和算法易于程序实现的特点。     

基于SVD 方法的简约型区间二型模糊模型构建

针对奇异值-QR分解方法存在有效奇异值难以确定的问题,采用奇异值分解方法分析从区间二型模糊模型抽取的两个激活强度矩阵,提出了奇异值归一化差值的概念以描述相邻奇异值的变化情况,从而反映了重要规则和冗余规则在奇异值变化上的本质差异;进而根据其临界点确定有效奇异值个数,并利用QR分解得到有效奇异值所对应的重要规则构建简约型区间二型模糊结构。仿真实例验证了所提出方法的有效性和可行性。     

一种改进的隐马尔可夫模型在语音识别中的应用

提出了一种新的马尔可夫模型——异步隐马尔可夫模型．该模型针对噪音环境下语音识别过程中出现丢失帧的情况,通过增加新的隐藏时间标示变量Ck,估计出实际观察值对应的状态序列,实现对不规则或者不完整采样数据的建模．详细介绍了适合异步HMM的前后向算法以及用于训练的EM算法,并且对转移矩阵的计算进行了优化．最后通过实验仿真,分别使用经典HMM和异步HMM对相同的随机抽取帧的语音数据进行识别,识别结果显示在抽取帧相同情况下异步HMM比经典HMM的识别错误率低．     

基于奇异值分解和数据融合的脸像鉴别

提出了一种基于奇异值分解和数据融合的脸像鉴别方法,该方法首先利用奇异值分解方法,求出脸像矩阵的奇异值航奇异值向量,分别利用所求得的奇异值向量作为特征矢量进行脸像同基于奇异值和重建误差的鉴别结果,此结果以隶属度函数方式表示,将上述鉴别结果用ＬＯＧＩＳＴＩＣ回归方法进行融合,得出更为准确的脸像鉴别结果,该方法克服了“小样本”效应并引入 负样本学习过程,提高了正确鉴别率,利用ＯＲＬ人脸数据库进行实验,实     

基于SVM-HMM混合模型的说话人确认

提出一个文本无关的说话人确认的算法。该算法将支持向量机（SVM）的输出通过Sigmoid函数和高斯模型转化为概率,并作为隐式马尔可夫模型（HMM）中各个隐状态的输出概率。由于HMM适于处理连续信号,SVM适于处理分类问题;同时,HMM更多地表达了类别内部的相似性,而SVM则很大程度上反映了类别间的差异,因而根据两者不同的侧重点,使其组合获得了很好的效果。     

计算机系统入侵检测的隐马尔可夫模型

入侵检测技术作为计算机安全技术的一个重要组成部分,现在受到越来越广泛的关注,首先建立了一个计算机系统运行状况的隐马尔可夫模型（HMM）,然后在此模型的基础上提出了一个用于计算机系统实时异常检测的算法,以及该模型的训练算法。这个算法的优点是准确率高,算法简单,占用的存储空间很小,适合用于在计算机系统上进行实时检测。     

基于数据的改进回声状态网络在高炉煤气发生量预测中的应用

以钢铁企业高炉煤气系统这一复杂生产过程为背景, 针对高炉煤气发生量的预测问题, 提出一种基于数据的网络模型预测方法. 鉴于生产数据含噪高的特点, 采用经验模态分解将历史数据分解为若干独立的固有模态函数, 将小尺度函数经低通滤波器自适应去噪后, 再对数据重构以建立预测模型. 在建模过程中提出一种改进的回声状态网络, 通过奇异值分解求取网络输出权值, 克服了线性回归算法出现的病态问题, 提高了模型的预测精度. 现场实际数据预测结果表明所提出方法的有效性, 为制定煤气管网平衡调度方案提供科学的决策支持.     

基于SVD的灰度水印单色通道嵌入算法

为了更有效地进行多媒体数据的版权保护,提出了一种在真彩色宿主图像中利用奇异值分解实现的灰度水印嵌入的鲁棒算法。该算法首先利用奇异值的特征来对灰度水印图像进行编码预处理,编码后的水印信息存储为二值数字序列,并选择视觉掩蔽性高的宿主图像区域进行隐藏。为了保证水印的不可察觉性,该水印算法先提取宿主图像RGB彩色空间中的蓝色通道分量,然后选择其中具有高活动因子的图像分块作为水印的嵌入区域。用该算法对灰度水印图像进行处理,不仅实现了水印的盲提取,而且在保证隐藏灰度水印大容量生动信息的同时,对宿主图像的视觉效果影响很小。实验结果表明,该水印算法不仅较传统方法有更高的鲁棒性,而且灰度水印图像的提取结果受常见的图像处理攻击操作的影响非常小。     

一种改进的基于W-SVD的水印算法

在水印算法中用奇异值分解可以提高图像的抗几何失真性,但它对椒盐、高斯、滤波等攻击的抵抗能力却很弱.对原有的基于SVD的水印算法进行改进,提出基于W-SVD的水印算法,即在小波分解的基础上进行奇异值分解.实验证明,改进后的水印算法在保持强的抗几何失真性的同时对椒盐、高斯、滤波等攻击的鲁棒性也有提高.     

基于SVD的成长性人脸识别研究

为提高人脸识别率,设计了基于SVD的成长性人脸识别方法.该方法将人脸识别从图像扩充到视频领域,通过不同尺度对人脸进行划分和特征提取,从而得到人脸的多尺度特征,分层次进行多尺度特征匹配,利用特征的可分辨度对各帧特征进行比较,并通过对应位置寻优累积特征,使人脸识别具有成长性.实验结果表明,基于SVD的成长性人脸识别方法通过一定的时间累积可以达到100%的识别率,具有良好的应用价值.     

基于SVD-AR模型与VPMCD的轴承故障诊断方法

针对强噪声背景下振动信号故障特征难以提取的问题,提出了基于奇异值分解的自回归(SVD-AR)模型,用于提取振动信号的特征,并与变量预测模型模式识别(VPMCD)方法相结合应用于轴承故障诊断.对轴承振动信号进行SVD;然后,利用奇异值差分谱对分量信号进行筛选,对能够反映故障信息的分量信号建立AR模型,提取轴承振动信号的特征信息;采用VPMCD对滚动轴承运行状态进行识别.实验证明了方法的合理性和有效性.     

基于奇异值分解的内模控制方法及在非方系统中的应用

针对复杂工业生产过程中常常出现的输入与输出变量数目不相等的非方系统, 首次提出一种基于奇异值分解(Singular value decomposition, SVD)的内模控制(Internal model control, IMC)新方法. 该方法通过添加补偿项实现对非方系统的解耦并消除不可实现因素, 并应用SVD矩阵理论设计一种非对角型滤波器, 使控制系统不仅具备良好的高维解耦能力和响应速度快的优点, 而且因设置新型滤波结构而具备极强的鲁棒性. 仿真结果表明了这种方法的有效性和可靠性.     

一般7R串联机器人标定的仿真与实验

为了标定一般7R冗余度串联机器人的所有几何参数,提出了一种实效的算法．首先,使用D-H矩阵对机器人建立了运动学模型和几何参数识别模型,对雅可比矩阵进行奇异值分解并对分解后的正交阵的最后5行进行初等行变换,以确定需要补偿的几何参数．通过机器人关节角和末端手爪位置的测量数据,计算雅可比矩阵以及手爪位置理论值和实测值的误差,采用最小二乘法对机器人的尺寸参数进行补偿量的计算．仿真过程表明,在有测量扰动的情况下,算法是稳定的和可靠的．最后,对机器人进行了实际的测量和标定,取得了满意的结果．