一种基于N-Gram的计算机病毒特征码自动提取方法

随着计算机和互联网技术的发展和普及,计算机病毒所带来的安全威胁日趋严重。基于特征码扫描的病毒检测技术是目前检测已知病毒最为简单、有效的方法,但病毒特征码需要经验丰富的计算机病毒分析师手动从病毒中提取出来,其效率并不高。提出了一种基于N-Gram的病毒特征码自动提取方法,将N-Gram统计语言模型应用到病毒特征码提取中。通过实验证明了该算法能有效提取病毒特征码。     

链码技术在景象图像特征提取中的应用

针对景象图像的特点,提出了基于链码技术的景象图特征点的提取方法,并首先引进了一种新的链码技术对景象图像轮廓进行描述;然后利用链码的重构不变性重构图像的主要轮廓,以去除噪声和细节,并对其进行二次编码,以获取图像主要轮廓链码信息;最后在所得链码中提取各类特征点,包括轮廓边界的端点、形心、交叉点和显著拐点。实验结果表明,该方法不仅特征点提取效果好,而且信息压缩能力强、抗干扰能力强。     

免疫原理在计算机病毒检测中的应用

主要探讨免疫原理在计算机病毒检测中的应用,并实现了一种将否定选择、克隆选择等生物免疫机制应用于传统的基于特征码的计算机病毒检测法.实验表明,该方法具有检测已知病毒和识别病毒的一些未知变种的能力,能够自动提取特征码,并且生成的病毒特征码具有很低的误别率,是一种实用的计算机病毒检测的方法.     

一种基于轮廓分析的图像特征点检测方法

图像特征点检测是图像匹配、目标识别以及运动估计等领域的一项关键技术.本文对图像轮廓二维信息进行降维处理,提出了一种特征点质量评价因子.利用该因子并结合文中给出的特征点提取准则对图像轮廓链码进行分析,提取特征点.该方法避免了常规的基于链码的特征点检测方法中曲率的计算,提高了检测速度.试验证明该方法具有较好的实时性和定位精度.     

基于链码描述的图像图形特征提取

为提取云团反射率图像内部层次类特征和轮廓线上不规则的凹陷类特征,在构建基于图像内容的层次结构模型的基础上,提出相对极坐标系下的距离链码和基于八方向链码的累积导数和差码方法,前者用于层次类特征提取,后者用于轮廓形态特征的提取,构建梯度特征、云砧特征以及凹陷特征的提取算法.实验证明,该方法下的特征类间区分度高,运行速度快,可用于解决非刚体图像的相关特征的提取.     

多态蠕虫特征码自动提取算法

针对多态技术下变形蠕虫的特征与自动提取算法的问题, 提出一种多态蠕虫特征描述方法, 并给出特征码自动提取算法. 这种结合了PADS和Polygraph优点的MS-PADS特征提取方法, 能在强噪声下快速提取高质量的多态蠕虫特征, 具有低误报率、检测精度高和通用性好等特点.     

反病毒引擎及特征码自动提取算法的研究

随着网络的广泛普及,计算机病毒带来的安全威胁日趋严重.提出了一种反病毒引擎的设计方案,该设计采用3种特征码格式(MD格式、两段检验和格式、字符串格式).同时,又提出了针对VB应用程序的病毒特征码自动提取算法.最后通过实验1对这3种特征码格式进行了性能比较,通过实验2对自动提取算法的有效性和准确性进行了验证.     

基于立体匹配技术的光流场计算方法

光流场的计算是移动机器人领域一个很重要的研究课题，但现有的光流场计算方法并未充分利用移动机器人的特点。本文假设移动机器人配备了双目视觉系统和码盘，在此基础上提出了一种基于立体匹配技术的光流场计算方法。该方法的基本思想是：首先利用Forstner算子对图像中易于跟踪的特征点进行提取；然后利用立体视觉方法计算这些特
特征点的三维坐标；在此基础上，进一步结合码盘信息对前后帧图像中的特征点进行预测和跟踪，从而最终实现了光流的准确提取。实验表明，该方法比传统方法具有速度更快、准确性更高的优点。     

纹理图像双特征识别方法

提出了一种能够结合纹理基元形状和大小两种特征的纹理识别方法。该方法首先定义一种编码规则,应用这种规则对图像中纹理基元的轮廓线进行编码,把纹理的表述转化为夹角链码形式。使用后缀数组提取链码中的重复字符串作为特征编码,应用动态规划算法在近似匹配条件下计算特征编码在链码中的重复频率。最后,以特征编码及其重复频率作为目标的形状特征和尺度特征,使用贝叶斯分类方法对纹理进行识别。通过识别实际矿石图片验证了这种方法的有效性。     

基于N-Gram的计算机病毒特征码自动提取的改进方法

随着计算机技术的发展和普及,计算机病毒带来的危害日趋严重。传统N-Gram算法难以提取不同长度的特征,导致有效特征缺失,并产生庞大的特征集合,造成空间的浪费。针对这些问题,提出一种改进的基于N-Gram的特征码自动提取方法。该方法在原有N-Gram 特征提取算法的基础上引入变长N-Gram特征,提取不同长度的有效特征,生成不定长病毒特征码。综合考虑特征频率的相关性,利用特征浓度对N-Gram特征进行有向筛选,生成数据字典,节省存储空间。实验结果表明,与单纯使用定长N-Gram的算法相比,该方法能有效降低特征码自动提取的误报率。