基于Windows的软件安全典型漏洞利用策略探索与实践

随着全球信息化的迅猛发展,计算机软件已成为世界经济、科技、军事和社会发展的重要引擎。信息安全的核心在于其所依附的操作系统的安全机制以及软件本身存在的漏洞。软件漏洞本身无法构成攻击,软件漏洞利用使得把漏洞转化为攻击变为可能。文章立足于Windows操作系统,主要分析了一些常用软件的典型漏洞原理以及常见的利用方法,比较了不同利用方法在不同环境下的性能优劣,并简单分析了Windows的安全机制对软件的防护作用以及对软件漏洞利用的阻碍作用。文章着重对几种典型漏洞进行了软件漏洞利用的探索和实践,并使用当前流行的对安全机制的绕过方法分析了Windows几种安全机制的脆弱性。     

大孔强酸树脂吸附硫脲金

研究了D072大孔强酸性阳离子交换树脂从硫脲[Tu=CS(NH2)2]浸金液中吸附Au(Tu)2+的性能和机理. 结果表明，pH=2.0时，树脂对Au(Tu)2+有优良的吸附性能，金的交换容量为78.95 mg/g (Au/干树脂)，吸附的硫脲金可用乙醇-硫酸水溶液洗脱，洗脱率可达96.5%. D072树脂对Au(Tu)2+的吸附符合Langmuir吸附模型.     

基于应用层流量优化的中继路径选择方案

基于网络层路由协议的缺省单一路径难以满足高带宽应用的端到端传输需求,多径传输是一种有效方式。在基于应用层中继的多径传输系统的基础上,提出基于应用层流量优化的中继路径选择方案：借助于应用层流量优化机制,提出中继路径选择过程中遵循的规则,提出基于运营商定义域的最优中继路径生成算法,为数据传输分配优质的中继路径,同时在运营商定义域之间以及中继服务转发器之间保持负载均衡。仿真结果表明,提出的方案在选择优质中继路径方面具有较优性能,同时能够灵活地均衡运营商定义域之间的负载。     

环氧树脂乳液改性水泥基修补材料研究进展

普通水工混凝土,在腐蚀性介质的作用下其使用寿命缩短.加入环氧乳液是解决这一问题的一种有效途径,并且环氧乳液能够显著改善水泥基材料的性能.介绍了环氧乳液及其改性水泥基材料的国内外研究现状;后者分环氧乳液改性水泥砂浆和环氧胶泥两种情况讨论;综述了环氧乳液改性水泥基材料的改性机理,从环氧乳液在水泥砂浆中作用的基本原理、环氧乳液对水泥作用、水泥对环氧乳液的作用以及环氧乳液改性水泥基材料的微观结构等四个方面讨论.最后,对环氧乳液改性水泥基材料的研究方向进行了展望.     

脲醛-三聚氰胺甲醛复合树脂胶粘剂的研制

以尿素、三聚氰胺、甲醛为原料合成了一种游离甲醛含量较低、耐水性能优良的脲醛-三聚氰胺甲醛复合树脂胶粘剂.研究了原料配比、加料方式、加料时间、pH值、反应时间、反应温度对产物中游离甲醛含量的影响,测定了产物的性能.结果发现,当n甲醛:n尿素:n三聚氰胺=1.8:1:0.35,温度为85 ℃,pH=9.5时,所合成的树脂游离甲醛含量较低,耐水性能优良.     

适用于RPA工具的卷积序列推荐算法

在机器人流程自动化(Robotic Process Automation, RPA)软件中,经常采用序列推荐系统让机器人完成判断、选择等人工处理的任务。然而常用的序列推荐系统受限于序列信息的提取困难等问题,难以得到广泛应用。为了解决这一问题,构建一种基于Inception的卷积序列推荐模型,把时间和潜在空间中的用户行为序列信息嵌入进一幅“图像”中,并通过动态和静态2种不同的卷积层提取其中的局部特征,全面地提取用户的短期兴趣偏好,同时将用户嵌入矩阵作为用户的长期兴趣偏好嵌入到卷积层的输出中,共同构建完整的用户兴趣偏好,提升推荐性能。通过在3种公开数据集MovieLens 1M、Gowalla、Steam上分别进行实验,验证了基于Inception的卷积序列推荐模型的性能优于最新的序列推荐模型,在Top-N序列推荐的3种评价指标中（精确率、召回率、平均AP值）,平均提升幅度在10%左右,单个指标上的最大提升幅度为14%。     

基于密集Inception的单图像超分辨率重建方法

近几年,基于卷积神经网络（CNN）的单图像超分辨率（SR）重建方法成为了主流。通常情况下,重建模型的网络层数越深,提取的特征越多,重建效果越好;然而随着网络层数的加深,不仅会出现梯度消失的问题,还会显著增加参数量,增加训练的难度。针对以上问题,提出了一种基于密集Inception的单图像SR重建方法。该方法引入Inception-残差网络（Inception-ResNet）结构提取图像特征,全局采用简化后的密集网络,且仅构建每一个模块输出到重建层的路径,从而避免产生冗余数据来增加计算量。在放大倍数为4时,采用数据集Set5测试模型性能,结果显示与超深卷积神经网络的图像超分辨率（VDSR）相比,所提方法的结构相似性（SSIM）高了0.013 6;与基于多尺度残差网络的图像SR（MSRN）相比,SSIM高了0.002 9,模型参数量少了78%。实验结果表明,所提方法在保证模型的深度和宽度的情况下,显著减少了参数量,从而降低了训练的难度,而且取得了比对比方法更好的峰值信噪比（PSNR）和SSIM。     

基于知识图谱的用户偏好推荐算法

针对现有的基于知识图谱推荐算法中,缺乏与用户之间的交互,忽略物品间连接关系的问题,提出了基于知识图谱的用户偏好推荐算法.首先,为了更准确地获得用户对物品的偏好类型,增加知识图谱与用户信息的交互.其次,为知识图谱引入注意力机制,使节点传播中关注相似度更高的节点,并在递归传播中优化了节点的嵌入,将两部分关系权重图叠加得到对用户感兴趣全职更对准确的加权图.最后使用TransR的损失函数作为知识图谱的损失函数,降低因权重的增加而带来的噪声,避免过拟合,获得了更好的泛化能力.基于以上的框架与改进,在三个公共数据集MovieLens、Book_Crossing、Last.FM上进行对比实验,与表现最好的基线模型RippleNet进行点击率的预测在准确率(ACC)和AUC的对比.其中MovieLens分别提升了1.9％和1.1％,在Book_Crossing分别提升了0.8％和0.7％,而在Last.FM分别提升了5.8％和3.2％,有效地改善了推荐结果.     

基于粗糙集的无向图最小支配集启发式算法

图的最小支配集在许多领域有广泛应用,但其求解是一个NP问题.针对现有近似求解算法的复杂度和精度有待改进的问题,基于粗糙集理论提出一种低复杂度、高精度的最小支配集启发式求解算法.首先,利用图的邻接矩阵构造诱导决策表,证明了图的最小支配集与其诱导决策表的最小属性约简等价.然后,提出一种启发式的最小支配集近似算法.该方法采用前向和后向搜索机制,有效提高了最小支配集求解的近似精度;采用累积策略计算诱导决策表的正域,有效降低了计算复杂度.最后,在公用数据集上与典型算法进行了实验对比分析,结果表明该算法在运行效率方面具有明显优势,能得到更高精度的近似最小支配集,且输出结果具有较好的稳定性.     

融合不完整多视图的异质信息网络嵌入方法

异质信息网络(Heterogeneous Information Network,HIN)嵌入将复杂的异质信息映射到低维稠密的向量空间,有利于网络数据的计算和存储.现有的基于多视图的HIN嵌入方法考虑了节点之间的多种语义关系,但忽略了视图的不完整性.大多数视图存在数据缺失,直接融合多个不完整的视图会导致嵌入效果不佳.为此,文中提出了一种融合不完整多视图的HIN嵌入方法(Incomplete Multi-view Fusion Based HIN Embedding,IMHE).IMHE的关键思想是聚合其他视图的邻居以重建不完整的视图.由于不同的单视图描述的是同一个网络,因此其他视图中的邻居可以一定程度上恢复不完整视图的结构信息.IMHE首先在不同视图中生成节点序列,并利用多头注意力方法学习单视图嵌入.对于每个不完整视图,IMHE在其他视图中找到缺失节点的k阶邻居,然后将不完整视图中邻居的单视图嵌入聚合在一起,为缺失节点生成新的嵌入.最后使用多视图典型相关性分析方法获得节点的统一嵌入,同时提取多个视图的隐藏语义关系.在3个真实数据集上的实验结果表明,相比现有研究,该方法的嵌入性能有显著提升.