基于UEFI固件的恶意代码防范技术研究

统一可扩展固件接口(UEFI)缺乏相应的安全保障机制,易受恶意代码的攻击,而传统的计算机安全系统无法为固件启动过程和操作系统引导过程提供安全保护。针对上述问题,设计基于UEFI的恶意代码防范系统。该系统利用多模式匹配算法实现特征码检测引擎,用于在计算机启动过程中检测与清除恶意代码,并提供恶意启动项处理及系统内核文件备份等功能。实验结果证明,该系统能为固件及上层操作系统提供完善的安全保护,且代码尺寸小、检测速度快,恶意代码识别率高。     

基于Mobile的手机杀毒软件设计与实现

介绍了Windows Mobile平台技术和基于有序二叉树的多模式匹配算法,在此基础上设计了一个基于Windows Mobile平台智能机的手机病毒扫描引擎方案,实现了基于Windows Mobile系统的手机杀毒软件,并对该软件进行了测试和分析。     

基于概念网的短消息安全过滤技术分析与研究

目前短消息非常流行,针对这类信息如何进行实时信息监控及舆情分析至关重要。为了实现该类信息的内容安全监控,论文主要研究了采用概念网技术来实现对短信息中不良文本的过滤。     

基于字频的单模式匹配算法

通过模仿人类查找字符串的过程,本文提出了一种新的单模式匹配算法(MBF算法).该算法利用QS算法的思想和已经成功匹配的前、后缀信息对模式进行预处理.在查找阶段,MBF算法利用了字符使用频率和连续跳跃的查找思想.实验表明,MBF算法比同类的其它算法更加高效.     

元搜索中确定成员搜索引擎权重的算法

在元搜索结果的排序过程中,一项很重要的步骤就是计算相关文档的分数,而其中由于搜索引擎在性能,准确度,用户偏好等方面的差异,最终会造成对最终排序结果的影响,所以如何确定各成员引擎的权重就很重要,而权重的确定又在于对其的评价,文中就此提出了一种确定成员搜索引擎分数指标权重的方法.通过对专家问卷调查的形式确定初始矩阵,利用基于最大偏差思想的修正算法修正了一致性,而后筛选判断矩阵,解决专家之间的较大分歧,最终获得成员搜索引擎权重.     

基于智能手机恶意代码防范模型的研究

随着智能手机市场的发展,智能手机已经变得越来越普及,然而其安全问题却成了重大潜在威胁。关于智能手机领域的恶意代码防范模型及其应用研究显得尤为迫切及重要,由此提出了智能手机恶意代码防范模型,以期为智能手机恶意代码防范提供理论依据,并通过开发基于恶意代码检测层的扫描引擎进一步验证了该模型的安全性及可靠性。智能手机恶意代码防范模型能够实现对智能手机各个层面上的立体防范,为智能手机多功能的快速发展而引发的安全问题扫除障碍。     

融合标签传播和信任扩散的个性化推荐方法

信任网络能模拟现实社会,因此其用户间的信任数据可用于推荐算法,但同时也面临数据稀疏的问题,推荐效果较差。针对该问题,提出融合标签传播和信任扩散的个性化推荐方法。设计基于标签传播的大社区发现算法,得到独属于每个用户的大社区。根据各用户所属大社区内用户间的信任网络,给出信任预处理算法,预测用户新的信任关系,从而扩展用户的信任网络,并利用混合信任扩散算法,使用户及其所在大社区内其他用户之间的信任度更趋差异化。使用Epinions.com上的数据集进行实验,结果表明,与普通信任网络推荐方法相比,该方法的推荐准确度有明显提高。     

一种高效的倒排索引存储结构

倒排索引是信息检索系统的核心部分,其存储结构对检索的效率和效果起着至关重要的作用,根据汉语词汇的频率分布情况和当前的软硬件环境,提出一种高效的倒排索引结构,在一定程度上能够节省磁盘空间,提高检索效率,并且支持增量更新和删除。     

基于向量空间模型的文本聚类算法

文本聚类是聚类的一个重要研究分支,是聚类方法在文本处理领域的应用。该文探讨了基于向量空间模型的文本聚类方法,提出了一种文本聚类的改进算法——LP算法。同时,基于语料库的实际聚类效果,就维度确定、特征选择等方面提出优化方案。实验证明,LP算法有效地减少了聚类所消耗的时间,实用性和灵活性都较高。     

基于文本纹理特征的中文情感倾向性分类

随着互联网的发展,社交网络、电子商务等已经成为人们关注的焦点,对社交网络的文本进行情感倾向性分析和挖掘变得越来越重要。该文针对网络上的中文文本,提出一种基于文本纹理特征的情感倾向性分类方法。通过测试多种文本纹理特征对文本情感倾向性的影响,成功将文本纹理特征融入情感分类中。通过计算各类特征与文本的情感倾向性的相关度,对特征进行降维。相对于基于词频的情感倾向性分类方法,查准率平均提高了10%左右。