基于多用户垃圾短信数据的伪基站活动轨迹可视分析方法

由于传统短信服务（SMS）存在严重的安全漏洞,不法分子可通过伪基站发送大量垃圾短信和诈骗信息,严重干扰人们的日常生活,危及人们的财产安全,影响社会稳定。然而,现有的关于伪基站的分析方法不能很好地感知某个大区域内的伪基站分布态势,难以探索伪基站的活动规律,把握伪基站的运动轨迹。针对这一问题,提出基于多用户垃圾短信数据进行可视分析的方法。通过用户上报垃圾短信的时间、相对位置、内容等信息,来追溯伪基站的近似活动轨迹;并通过设计多种可视化视图,实现一个多视图组合的交互式可视分析系统。最后,采用ChinaVis2017挑战赛I的数据集进行实验和案例分析,验证了该方法的可行性和有效性。     

时变网络异常检测多视图协同可视分析

对于现在复杂多变的网络安全状况,基于可视化的手段来监测网络节点间的通信状态变化,可以帮助分析人员更高效地把握安全事件特征、感知安全态势。但是,现有的可视化研究对于具体主机间的连接关系以及连接关系在时间维度上的变化两个方面缺乏有效的展示方法。同时,常见的可视化方法无法提供一种直观的交互手段,帮助用户管理分析过程中提取出的离散特征,以便总结规律、发现异常。针对以上两点,设计并实现了一个以观察宏观特征的视图为索引,以深入特征展示的视图为核心,以管理和标注的视图为辅助的多视图合作可视分析系统。最后,以包含多起网络异常的网络安全日志数据集作为实验数据集,对可视化结果进行对比分析,验证了设计的有效性。     

用FLASH绘图、动画课件制作技巧

FLASH是号称“网页制作三剑客”之一的矢量图形绘制编辑、动画制作的专业软件。使用它做成的影片可以是带有交互的矢量动画，也可以是不带有交互的动画文件。网络设计者经常使用FLASH来创建网络上的导航控件、动画标签、带有声音的卡通等。教学人员用FLASH制作动画课件或在PowerPoint中插入Flash动画，可制作出图、文、声、动画为一体的多媒体课件。     

融合词语多特征的汉老短文本相似度计算

词语作为文本构成中最具有语义表达的单位,将词语更多的特征如形态学、词性、词性权重等融入到词语语义的表达中,将提升文本相似度量的准确性.该文提出一种融合词语多特征的汉老短文本相似度计算方法,首先利用双向长短期记忆网络(BiLSTM)和卷积神经网络(CNN)分别提取汉老词语的形态学特征,将词向量拼接上形态学特征向量、词性向量、词性权重向量,然后利用BiLSTM和CNN提取汉老短文本的上下文特征和局部语义特征,接着加入ESIM交互注意力机制使汉老语义信息进行交互.最后计算汉老特征语义向量的相对差和相对积,将其结果拼接并输入到全连接层得到汉老双语短文本的相似度分数.实验结果表明,本文提出的方法在有限的语料下取得了更好的效果,F1值达到了78.67%.     

双路自编码器的属性网络表示学习

属性网络表示学习的目的是在保证网络中节点性质的前提下,结合结构和属性信息学习节点的低维稠密向量表示。目前属性网络表示学习方法忽略了网络中属性信息的学习,且这些方法中的属性信息与网络拓扑结构的交互性不足,不能高效融合网络结构和属性信息。针对以上问题,提出一种双路自编码器的属性网络表示学习（DENRL）算法。首先,通过多跳注意力机制捕获节点的高阶邻域信息;其次,设计低通拉普拉斯滤波器去除高频信号,并迭代获取重要邻居节点的属性信息;最后,构建自适应融合模块,通过结构和属性信息的一致性及差异性约束来增加对重要信息的获取,并通过监督两个自编码器的联合重构损失函数训练编码器。在Cora、Citeseer、Pubmed和Wiki数据集上的实验结果表明,与DeepWalk、ANRL(Attributed Network Representation Learning)等算法相比,DENRL算法在3个引文网络数据集上聚类准确率最高、算法运行时间最少,在Cora数据集上聚类准确率为0.775和运行时间为0.460 2 s;且DENRL算法在Cora和Citeseer数据集上链路预测精确率最高,分别达到了0...     

基于图卷积网络的多交互注意方面级情感分析

为解决当前方面级情感分析中提取语义句法信息不充分导致分类结果不准确的问题,提出一种基于图卷积网络的多交互注意模型。基于注意力机制和句法相对距离分别重构带有权重的语义图邻接矩阵和句法图邻接矩阵,以这种方式存储更多信息,结合图卷积网络充分挖掘上下文中更深层次的语义和句法信息;通过掩码机制和交互注意完成方面词与上下文的语义交互和句法交互,捕获相关关联并进行特征融合。在SemEval 2014和Twitter数据集上进行实验,实验结果表明,该模型与基于注意力的模型和基于图卷积网络的模型相比,有更好的分类效果。     

深度矩阵分解推荐算法

协同过滤推荐算法中的矩阵分解因其简单、易于实现,得到了广泛的应用.但是矩阵分解通过简单的线性内积建模用户和物品之间的非线性交互关系,限制了模型的表达能力.为此,He等人提出了广义矩阵分解模型,通过非线性激活函数和连接权重,将矩阵分解推广到广义矩阵分解,为模型赋予建模用户和物品间的二阶非线性交互关系的能力.但是广义矩阵分解模型是一个浅层模型,并不能很好地建模用户和物品间高阶交互关系,一定程度上可能会影响模型性能.受广义矩阵分解模型启发,提出了深度矩阵分解模型（deep matrix factorization,简称DMF）,在广义矩阵分解模型的基础上引入隐藏层,利用深层神经网络来学习用户和物品间高阶交互关系.深度矩阵分解模型不仅解决了简单内积的线性问题,同时还能够建模用户和物品间的高阶交互,具有很好的表达能力.此外,在MovieLens和Anime两个数据集上进行了大量丰富的对比实验,验证了模型的可行性和有效性;同时,通过实验确定了模型的最优参数.     

基于Three.js的3D磁盘阵列设计

WebGL（Web Graphical Library）让浏览器在无需安装插件的情况下即可渲染出3D图形,而封装了WebGL低级别API的three.js更是为3D图形的高效创建提供了可能.针对传统方法的磁盘阵列可视化不够直观以及交互功能单一的问题,本文提出了基于three.js的磁盘阵列三维（3D）可视化的框架,从仿真建模和交互两方面阐述了3D磁盘阵列的设计思路,并给出了相应的实现过程.相对于传统方法,提出的3D可视化框架能够创建真实的三维场景,给用户带来流畅丰富的视觉以及交互体验.     

基于事件驱动的任务级雷达对抗功能模块设计

针对国内雷达对抗仿真多采用时间步进的机制以及实体采用对象管理技术导致效率较低的问题,提出了基于事件驱动的雷达对抗功能交互的建模方法,该方法采用事件驱动机制,将对象交互转化为功能交互。为适应该方法,重点对雷达对抗功能模块的交互关系及模块流程进行了设计,平衡了雷达对抗模块的仿真粒度,并基于ROSS仿真引擎采用设计的模块对导弹攻防案例进行仿真分析验证,与agent仿真结果基本一致,但是仿真时间却仅为agent建模仿真时间的1/5,证明了该方法的正确性和有效性。     

“协”手现代办公

在习惯了使用电子邮件和即时消息的沟通方式之后,人们开始尝试在增强信息交互性的基础上,实现人、设备、资源之间的相互协作,来更大程度地发挥IT系统的应用潜力。此时,协同工作开始进入了人们的视线,它融入了通信、移动、网格等技术元素,希望借助计算机网络,帮助处于不同地域的群体实现信息的共享和业务的协作。其实,电子邮件和即时通信本身就已经具备了部分协同工作能力,但是协同工作并不是一个附属品,它应该是综合了多种独立的网络技术的一个统一平台(如图所示)。协同工作的前景将是十分壮观的,特别是在商务办公领域,它将在很大程度上改变我们现有的工作模式。在那个时代,沟通无所不在!