基于机器学习的无低内存解析器异味检测方法

代码异味是指影响代码维护过程并降低软件质量的糟糕代码设计或实现。因此,代码异味检测在软件重构中非常重要。文章使用五种传统机器学习模型,对Android特有代码异味进行检测。为了获取机器学习模型所需的大量样本数据,文章构建了一个Java代码异味数据集,该数据集包含14,000个样本,并从源代码中提取46个特征。此外,还使用开源Android应用程序进行实验验证。结果表明,随机森林是检测无低内存解析器异味中性能最好的模型,实现了最高的F1值0.928。     

基于组合机器学习算法的Android恶意软件检测

Android系统的开源特性使得应用市场缺乏完善的监管,严重影响移动用户的信息安全。然而,现有Android恶意软件检测方法主要依赖于恶意软件签名库,难以应对无签名的未知软件。为此,文中提出一种基于组合机器学习算法的Android恶意软件检测方法,该方法充分利用Android应用的多项属性特征,使用多个策略组合分析不同类型机器学习分类器的决策结果。实验结果表明,文中方法能够有效提高Android恶意软件检测的有效性和准确性。     

基于代码特征多维度分析实现Android应用的版权保护

随着智能终端的普及,Android平台的市场占有率已经跃居世界首位,基于Android的应用开发日益增多。但由于Android系统的开源性和开放性,在给开发带来巨大方便的同时,也给一些恶意开发者破解和修改Android应用留有可乘之机。这些恶意开发者通过利用反向工程工具来修改他人的应用后,冠以自己的名称对外进行发布销售,严重损害了原作者的利益,更有甚者在其中穿插了黄色反动信息,严重违反了国家的法律政策。本文提出通过提取Android应用代码特征后,利用组件相似度检测、Java类布局比较、代码控制流比较以及文本相似度比较四个维度来进行盗版应用自动检测。并基于该方法对Android应用发布平台反盗版的系统架构进行了设计实现。     

基于机器学习的代码搜索方法综述

随着互联网行业的快速发展以及开源社区、开源软件的兴起,越来越多的高质量代码可供软件开发人员选择。如何快速并准确地搜索到想要的代码,是软件工程领域中一个重要的研究方向,对软件开发以及代码重用有着重要意义。由深度神经网络模型的文本表示驱动,自然语言处理(NLP)领域在不同水平的语义理解上取得了巨大的进步。在某种意义上,由于源代码是文本数据,机器学习方法为代码搜索提供了新的思路。首先对利用机器学习方法进行代码搜索研究的分析并讨论;其次,针对多种方式结合的代码搜索方法进行展开讨论;最后指出在利用代码的统计特性上未来的几个研究方向。     

克隆代码检测在代码搜索中的应用研究

文章设计和开发的代码搜索引擎首先通过扩展Heritrix,构建本地代码库,利用ANTLR工具对本地代码库的Java源文件进行解析;其次,基于程序抽象语法树(AST)从方法级别和类级别检测克隆代码,对源代码中的方法(method)或者类(class)进行分类;再次,利用ASTParser对本地代码库扫描,抽取程序代码的语法信息,并利用Lucene对含有语法信息的文件建立索引和搜索模块。实验比较结果表明,实现的代码搜索引擎可优化已有的代码搜索引擎的搜索结果,并且对于搜索时间没有显著的影响,从而可更有效地帮助程序员查找与复用已有代码。     

深度学习在Android恶意应用检测中的应用

为更好地了解基于深度学习的Android恶意应用检测领域的研究现状,对该领域现有的研究工作进行了综述.首先介绍了 Android恶意应用检测技术的发展以及主要方法,然后阐述了四种主流深度神经网络的基本原理,并从网络结构、特征工程和应用效果等方面对深度神经网络在Android恶意应用检测中的应用现状进行了总结,最后对基于...     

基于逆向工程的Android恶意行为检测方法

由于Android系统应用市场的特性导致恶意软件传播迅速,对用户的手机乃至个人隐私造成了十分巨大的危害。本文首先介绍了Android应用的逆向技术,然后分析了恶意代码采用的多种Android代码隐藏技术及隐私获取的代码特征。针对这些情况,本文基于Android的逆向工程提出了一种静态检测和动态检测相结合的恶意行为检测方法,可以更加有效的检测代码中的恶意行为。最后通过对Android样本应用的分析表明此方法的可行性与有效性。     

基于深度学习的Android恶意软件检测:成果与挑战

随着Android应用的广泛使用,Android恶意软件数量迅速增长,对用户的财产、隐私等造成的安全威胁越来越严重。近年来基于深度学习的Android恶意软件检测成为了当前安全领域的研究热点。该文分别从数据采集、应用特征、网络结构、效果检测4个方面,对该研究方向已有的学术成果进行了分析与总结,讨论了它们的局限性与所面临的挑战,并就该方向未来的研究重点进行了展望。     

Android应用异常检测方法研究

目前面向Android系统的攻击越来越多,因此,分析与检测Android恶意应用已经成为了一个非常重要的研究课题。本文主要从恶意应用类型,国内外主流检测技术等方面分析了Android恶意应用的检测方法研究现状,并基于当前的检测技术,提出仅将良性样本作为训练集来实现对未知Android应用进行异常检测的方法,取得了良好的实验结果。最后,本文分析了Android应用异常检测方法的发展趋势及未来主要研究方向。     

全加器在代码转换中的应用

本文介绍中规模集成四位二进制数全加器在代码转换中的独特应用，并用事实说明，在某种情况下，用全加器实现代码转换甚至比专用集成代码转换器更简单，更经济。     

基于机器学习建模的XSS攻击防范检测

为了解决网络流量中跨站脚本攻击频发且攻击危害性高的问题,研究了基于机器学习算法建模的跨站脚本检测技术,从复杂的网络流量数据中发掘跨网站脚本(Cross-Site Scripting,XSS)攻击,然后结合专家经验和安全业务知识对数据进行打标学习,并采用机器学习技术训练算法模型,实现了对XSS攻击的自动化和智能检测功能....     

基于Android的可视化数控代码编辑器

通过编辑器可手动控制多轴设备的移动,并且可以查看以及获取当前多轴设备的坐标.在编辑器中可根据产品的实际应用场景以及设备坐标,新建单点实体、直线实体、圆弧实体以及多线段实体.最后由设备的机型决定,将这些实体转换为对应的数控代码,以单点实体为例子,若设备为锁螺丝机,则单点实体则转换为锁螺丝点.若设备为焊锡机则转换为焊点.若...     

机器学习理论在入侵检测技术中的应用研究

入侵检测系统是主动保障网络信息安全的重要方法。本文针对大规模、高带宽网络环境下,入侵检测技术存在的不足,提出将机器学习理论应用到入侵检测系统中。文章简要介绍几种适合用于入侵检测系统中的机器学习算法,并建立基于机器学习理论的入侵检测系统框架。利用机器学习的算法不仅能检测到一些已知的攻击,还可以通过自我学习检测到未知的攻击。     

JNI在Android硬件开发中的应用

分析国内Android平台开发的现状和未来的应用需求,从平台无关性、面向对象和安全稳定三个方面介绍Android平台开发语言Java的优势,从配置复杂、缺乏标准和运行效率低三个方面介绍Java的不足,通过JNI(Java本地调用)的定义和使用情况阐述JNI对于Java语言的重要作用,并通过一个基于Android手机SD卡扇区级数据加密的应用实例说明JNI如何完成Java语言不能实现的功能。     

基于改进贝叶斯分类的Android恶意软件检测

针对Android手机安全受恶意软件威胁越来越严重这一问题,提出一种改进的Android恶意软件检测算法。监控从Android移动设备应用程序获取的多种行为特征值,应用机器学习技术,通过与卡方检验滤波测试结合的方式改进传统的朴素贝叶斯算法,检测Android系统中的恶意软件。通过实验仿真,结果表明在采取朴素贝叶斯分类模型之前,使用卡方检验过滤应用程序的行为特征,可以使基于Android的恶意软件检测技术拥有较低的误报率和较高的精度。     

机器学习技术在医疗数据挖掘中的应用

随着医疗事业的不断发展,我国医疗技术也得到了有效的进步,医疗技术在不断完善。这其中,医疗测量仪器技术得到了显著的发展,能够更好地支持医疗信息记录工作。本文通过对医疗数据挖掘的相关问题进行研究,指出了医疗数据挖掘的发展方向。     

机器学习在用户行为审计中的应用

本文阐述了一种利用机器学习技术对用户通信行为和消费行为数据审计,标注异常用户,提升用户发展质量、提高用户价值的方法.文中重点分析了机器学习用户行为审计系统的系统结构和异常用户判定方法,自动化的用户行为审计系统可以有效的提升准确性,降低审计人员工作强度.     

机器学习在网络空间安全研究中的应用

现阶段,我国已逐步加快信息化建设步伐,在现代化信息技术飞速发展带动下,整个网络空间数据量得到极大增长,与此同时,也将更多的难题带给网络空间安全管理。不断增加的网络空间连入点,使得传统网络空间安全处理方式无法满足海量数据需求,在这样的背景下,逐渐凸显出机器学习优势,将机器学习应用于网络安全研究中可以有效解决网络空间安全问题。     

机器学习在乳腺癌诊断中的应用

大数据时代,海量的乳腺癌检测数据给机器学习训练带来可能,机器学习作为及其重要的数据挖掘手段,可在乳腺癌的医疗诊断中更加精确快速的检测出疑似患者。基于机器学习经典的逻辑回归、决策树、KNN、支持向量机等算法,对数据样本进行分类训练,实验结果发现KNN的表现优异,准确率高达96.6%。该应用在改善乳腺癌诊断中过度依赖医生经验上有较大帮助。     

机器学习在数据分析中的实践与应用

随着目前大数据技术的发展,将大量数据转化为有用的信息对于很多公司与机构有着重大的意义,与此同时,机器学习的方法能够使机器从大量的数据中学习规律,从而对新的样本做出分类识别,或者对未来做出合理的预测。本文应用鸢尾花数据集来阐述机器学习在数据分析中的实践与应用。