Windows mobile系统关键信息获取技术研究

随着近几年来移动互联网的迅速发展,出现了大量的感染智能手机的恶意代码。这些恶意代码多不会直接对用户手机产生直接的破坏,而是以窃取用户隐私信息为首要目的。从Windows mobile系统的安全机制研究入手,研究了手机关键信息获取技术,并实现了关键信息获取的系统。对其他操作系统的安全研究也有着借鉴意义。     

智能手机病毒与信息安全

随着移动通信网络的发展和应用软件的丰富,智能手机已成为移动终端的发展趋势。智能手机配备了丰富的硬件接口和开放性的操作系统,为用户提供了一个功能强大的信息处理平台,同时也给手机病毒的滋生与传播带来了可趁之机。首先介绍了手机病毒的发展趋势,之后对手机病毒常用的攻击手段、传播方式及隐藏技术做了分析和归纳,最后对手机信息安全的防范措施和解决方案提出了建议。     

基于VMware虚拟化技术的远程教育平台设计

介绍虚拟化技术的基本概念,简要阐述VMware虚拟化化产品的技术解决方案,结合现代远程教育的发展背景及特色,对虚拟化在现代远程教育中的应用进行详细说明。将VMware虚拟机迁移（Vmtion）、高可用性（HA）等技术与远程教育平台结合,在整合应用平台、降低平台建设及运营成本的同时,提高了平台应用的可靠性。通过对在线生产平台的周期数据进行分析,为平台运行提供了依据。     

分级指标体系下的网络舆情指数计算

针对传统网络舆情评估难以定量化,评定因素片面、不够精确的特点,提出了以网络舆情分级评估指标体系为基础,采用模糊综合评判模型的网络舆情指数计算方法,兼顾了时间、广度、数量、语义等因素,全面地评估了网络舆情态势。同时,利用层次分析法对判断矩阵进行一致性修正,采用筛选判断矩阵调整相容性,合理地确定了各级舆情评估指标的权重,使舆情指数计算值更为精确,为网络舆情预警打下了坚实的基础。     

自然语言处理中的探针可解释方法综述

随着大规模预训练模型的广泛应用,自然语言处理的多个领域(如文本分类和机器翻译)取得了长足的发展.然而,受限于预训练模型的“黑盒”特性,其内部的决策模式以及编码的知识信息被认为是不透明的.以Open AI发布的Chat GPT和GPT-4为代表的先进预训练模型为例,它们在多个领域取得重大性能突破的同时,由于无法获知其内部是否真正编码了人们期望的知识或语言属性,以及是否潜藏一些不期望的歧视或偏见,因此仍然无法将其应用于重视安全性和公平性的领域.近年来,一种新颖的可解释性方法“探针任务”有望提升人们对预训练模型各层编码的语言属性的理解.探针任务通过在模型的某一区域训练辅助语言任务,来检验该区域是否编码了感兴趣的语言属性.例如,现有研究通过冻结模型参数并在不同层训练探针任务,已经证明预训练模型在低层编码了更多词性属性而在高层编码了更多语义属性,但由于预训练数据的毒性,很有可能在参数中编码了大量有害内容.该文首先介绍了探针任务的基本框架,包括任务的定义和基本流程;然后对自然语言处理中现有的探针任务方法进行了系统性的归纳与总结,包括最常用的诊断分类器以及由此衍生出的其他探针方法,为读者提供设计合理...