复杂嵌入式系统的可靠软件体系结构

提出了一种针对复杂嵌入式系统的可靠软件体系结构，可解决多种问题，如意外超载、其它控制器的干扰、无软件错误和调试的保护等。     

基于驱动的通用木马结构研究与设计

在对木马结构和各种内核级rootkit技术进行分析的基础上,提出一种模块化的基于驱动的通用木马结构,该结构能够融合各类内核rootkit,具有通用性,并能有效的将运行在用户态的木马主体部分和运行在内核态的驱动程序部分有机联系起来,驱动程序通过和用户态程序相互通信实现隐蔽通信和木马程序自身的隐藏.测试结果表明,该结构能够很好的支持驱动程序对包括进程、文件、注册表、服务等木马相关信息的隐藏.     

负载均衡的多组跳数场路由决策机制

因为节点的随机撒布及无线传感器网络的流量不均匀特性,使得跳数场路由中的节点负载极不均衡。在充分论证跳数场路由性质基础上,针对此问题提出负载均衡的多组跳数场路由协议。该协议通过引入组内及组间均衡机制,较为有效地均衡了节点间的负载,从而较大程度地延长了网络生存期。模拟实验显示,改进后网络寿命较之前平均延长80%。     

XML文档压缩技术比较研究

XML已经成为互联网上信息交换和信息表示的事实标准。然而XML文档中包含大量重复出现的标签和结构等冗余信息,导致XML文档在查询处理和数据交换时付出更高的代价,特别在带宽和资源受限的设备上显得更为突出。压缩技术是解决这一问题的重要途径。搜集了近几年提出的各种XML压缩方法,从压缩率、压缩与解压时间、内存消耗、查询性能等方面比较分析了六个具有代表性的XML压缩技术,最后简要归纳了各自的优点和存在的不足,并探讨未来努力的方向。     

级联生产线的可靠性分析

本文用流平衡法建立级联生产线的可告性模型，较好地解决了多级可修生产线的可靠性分析这一难题，理论结果和数值分析表明，流平衡法和文献［１］的等效工作站法有一致的结果。     

航空遥感图像中道路检测方法研究与仿真

研究航空遥感图像中道路准确检测的问题.航空遥感图像中,道路是一类复杂目标.道路目标不同于一般刚体,它难以用固定的参数描述,只能用一些抽象的语句来描述.传统的检测算法多是对一些固定的识别目标完成描述,用道路图像非固定特征参数来完成大量复杂道路目标的检测是非常困难的.提出了一种基于主元分析算法的航空遥感图像中道路检测方法.利用LBP方法进行特征提取,从而获取航空遥感图像中的道路特征,为航空遥感图像道路检测提供准确的数据基础.利用主元分析方法对所有的像素进行重新排列,通过二进制方法描述获取的对比结果,提取动态特征.实验结果表明,算法极大地提高了检测的准确性,使获取的结果与实际道路情况相符.     

一种shellcode动态检测与分析技术

提出一种基于动态二进制平台DynamoRIO的shellcode模型识别与功能分析方法,并实现了基于该方法的原型系统.首先总结了shellcode利用技术,分析了shellcode动态执行特征,利用自动机理论,对shellcode各执行阶段进行了形式化的描述,并给出了各阶段相应的自动机模型及检测分析算法,据此归纳得到shellcode的一般执行模式;其次,提出了一种shellcode的API调用序列分析方法,根据API类型和参数,实现了对shellcode的功能分析.实验结果表明,该方法能够有效检测shell-code,识别执行模式,判定shellcode执行功能.该检测方法对高效检测shellcode、快速判明网络攻击意图和提高对网络攻击事件的响应能力具有重要的应用价值.     

嵌入式系统底层驱动可视化配置映射规则挖掘

汽车电子嵌入式控制软件底层驱动的可视化配置屏蔽了底层实现细节,降低了配置难度,方便用户应用。但是,可视化配置的结构体嵌套使映射出的软件界面元素规则复杂化,且扩展芯片各模块结构体的未知性,使得映射规则难以普遍适用。为此,提出了一种可视化配置映射规则的挖掘方法,开发了针对芯片各模块结构体进行初始化配置的软件。通过对不同芯片底层驱动的实际配置,证实了该方法的有效性。     

一种图像放大的偏微分方程综合模型

针对传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了各向同性扩散模型和各向异性扩散模型在图像处理中的优缺点,提出了一种线性扩散和P-M方程自适应结合的图像放大综合模型。该模型对图像非平滑区域采用各向异性扩散模型处理,而平滑区域则采用各向同性扩散模型处理。实验结果表明,该综合模型在保持图像边缘锐度的同时提高了图像的清晰度,能够有效提高放大图像的主观视觉质量和客观SNR及PSNR。     

基于主题和链接分析的微博社区发现算法

针对传统社区发现方法大多基于链接或主题关系, 且没有考虑获取微博用户社会信息时的限制, 无法有效识别微博中多个社区的问题, 提出了一种综合基于主题和链接分析的微博社区发现算法来挖掘微博中多个社区。算法首先研究微博用户的链接及博文主题特性, 定义了链接相关度和主题相关度公式; 然后推出用户总相关度公式, 以此来计算节点间的传递概率, 用改进后的标签传递算法对用户分类; 最终划分出兴趣相似且社会联系紧密的用户群。真实数据集上的仿真实验验证了该方法的合理性和有效性。