基于模糊匹配的专用库函数识别技术

针对传统库函数识别方法无法有效识别专用库函数的问题,提出基于模糊匹配的专用库函数识别技术。在库文件快速识别与鉴定技术(FLIRT)的函数签名机制的基础上做出改进,提取目标文件的有效函数集并利用专用库函数特征库进行模糊匹配,确定需要加载的库签名,加载签名完成精确匹配。实验结果证明,该技术在专用库函数的识别方面效果较好。     

基于跳变点能量的DTW匹配在线手写签名验证算法*

提出一种以签名能量为特征的在线手写签名验证算法,侧重签名能量特征提取和匹配判决的研究.对签名波形进行小波分解,提取签名波形在跳变点处的能量,从中提取若干个能量值作为特征矢量;在基于动态时间规整的特征匹配用改进的动态时间规整方法将测试特征序列和模式特征序列进行匹配的基础上,计算最小匹配距离,得出匹配路径.实验表明, 动态时间规整算法在签名验证识别中获得了良好性能,对于随机伪造签名,误拒率为0时,误纳率为6.86%.     

结合模糊理论的动态匹配脱机签名鉴定研究

为快速并准确地进行脱机签名鉴定,提出了一种结合模糊理论建立动态匹配目标函数用于鉴定的新方案。鉴于签名图像具有投影特征提取简单的特点,该方案通过选择合适的隶属度函数,归纳出动态匹配所必需的目标函数式,并给出了相应的求解方法。同时还根据实验结果讨论了新方案中参考样本的选择和判别阈值对鉴定结果的影响,并与其他方案的实验结果进行了比较,结果表明,该方案是有效的。     

基于第二代Bandelet的脱线签名识别

由于脱线签名鉴定丢失了在书写过程中的动态信息,鉴定难度大.本文针对脱线签名识别的特点,提出了基于Ban-delet变换的特征提取方式,将传统的结构特征和统计特征有效地结合起来.通过K-L变换降低特征向量的维数,然后采用支持向量机(SVM)的方法进行训练和识别.对400个手写样本进行了识别,实验证明该方法能有效提高脱线签名的识别率.     

基于保局投影的离线签名识别

针对离线签名识别中的特征提取问题,提出了一种基于保局投影的签名识别方法。该方法首先对签名图像进行形状特征、伪动态特征和纹理特征的提取;然后采用保局投影得到更具判别性的特征;最后运用支持向量机进行分类识别。实验表明该方法不但能有效地降低特征空间的维数,而且能使分类准确率得到显著提高。     

基于支持向量机的手写签名研究

针对一般手写签名中特征提取方法的不足,将支持向量机的原理引人到手写签名算法里,从而可以很好地应用于高维数据,避免了特征提取中维数灾问题.主要研究如何在标准的窗格中利用扫描的方法提取图像密度特征,从而得到特征向量.通过MATLAB工具,将得到的图像密度特征作为特征向量为SVM的输入进行训练仿真实验.实验表明,该方法能够有效识别手写签名真伪,说明把支持向量机应用到手写签名具有很好的识别能力,并解决了"维数灾"的问题.     

反编译中用户函数与库函数同名的区分技术研究

ITC反编译系统应用了基于动态链接信息的库函数快速识别技术,对于绝大部分待翻译IA-64二进制可执行程序中的库函数它都能正确识别,但是当二进制可执行程序包含有与库函数同名的用户函数时,就可能会出现问题.作者在深入分析基于动态链接信息的库函数快速识别技术所导致的问题原因的基础上,充分研究了ELF64格式二进制文件的具体组...     

基于多特征的在线签名认证方法

提出一种多特征的在线签名认证方法.该方法综合利用全局特征、笔段特征和签名的力序列和字形序列.采用一种F_Tablet手写板采集签名数据,该手写板可以记录签名时的字形序列和三维力序列.首先提取签名的全局特征,并定义特征重要性函数对特征进行选择,选取有利于正确区分真伪签名的个性全局特征,用基于概率的方法训练签名.接着将签名分段,提取每一笔段的笔段特征,建立基于笔段特征的隐马尔可夫模型.然后用动态时间规整的方法匹配签名的力信息和字形信息序列.最后综合利用多种特征来验证待测签名.该方法的等错误率为1.5%.     

基于动态二进制分析的密码算法识别

针对网络安全领域中应用程序内部密码算法识别问题,提出一种基于动态二进制分析的密码算法识别方法。该方法以二进制分析平台DynamoRIO作为支撑,动态记录程序执行期间的数据信息,并综合利用基于统计特征的过滤和分类、基于密码算法常数特征的匹配以及基于数据流分析的函数参数识别等技术,对密码算法进行识别。测试结果表明,该方法能够迅速识别并准确定位应用程序中所使用的密码算法。     

基于基本块划分的库函数快速识别技术。

分析一般函数在反汇编后的结构特征,提出一种基于基本块划分的函数识别技术,将其用于库函数快速识别的设计中。针对库函数识别中的重定位及级联识别等问题,给出解决方案,阐述建立、读取库函数特征数据库的实现方法以及库函数识别算法。实验结果证实,该技术可以准确地识别库函数。