基于神经网络的人脸识别系统

针对人脸在整个图像中识别的问题,提出了基于神经网络的前端人脸检测系统.该系统首先将训练集中每个图像划分成独立的小窗口,并标示出每个窗口中包含的人脸图像,并据此对神经网络进行训练.在利用神经网络对人脸进行识别的过程中,对待检测图像划分为分辨率为金字塔形的小图像,然后对每个分辨率的小图像进行人脸识别.同时为了提升系统对人脸检测的准确率和误报率,需要对多个神经网络输出的阈值进行权衡.本系统使用自适应算法,增加了错误检测集以提升系统的检测精度.     

深度融合云环境自身架构的东西向攻击检测技术研究

随着云和容器等虚拟化技术的不断扩张,云、数据中心和企业网中的东西向流量呈快速增长趋势。如果不采集虚拟网络流量,用户80%的网络流量将呈现“黑盒”状态,无法对云平台内东西向量进行安全管控,在等保2.0云计算安全扩展中明确要求针对虚机之间、宿主机与虚机间的流量需要进行检测和异常告警。本文通过对业内现有东西向流量检测方案进行分析,研究并提出一种与云平台自身架构深度融合且非侵入式的流量获取方式,基于大数据分析和机器学习算法提升攻击检测能力的整体方案,此外还研究了融合过程中与云平台业务自动适配的问题。     

一种李群机器学习线性分类算法研究

根据李群具有微分流形的性质,提出了一种李群机器学习的线性分类算法.该分类方法的思想是:首先将样本数据集嵌入到微分流形当中,每个实例对应着流形上的一个点,利用测地线距离度量两个实例问的距离;然后,根据测试实例和训练数据集中实例间测地线距离的代数关系,确定测试实例的分类.实验测试表明,该线性分类算法较k-最近邻算法(KNN)及NaiveBayes分类算法具有较高的分类精度.     

垃圾短信的智能识别和实时处理

本文提出了短信语义和号码特征相结合的垃圾信息智能识别方法.在分类器的设计上,采用了BP神经网络与支撑矢量机(SVM)的分类集成技术,使得分类识别效果明显.垃圾短信的学习样本识别正确率达99.86%,测试样本识别正确率达到97.4%.由于本文方法提取的特征构成了稀疏矩阵,因此大大缩短了,机器学习时间,使得系统具有实时学习和实时提高分类能力的功能.     

一种基于最大熵模型的实时垃圾邮件判定及阻断技术研究

垃圾邮件过滤是网络安全领域的重大研究课题和难题.本文针对传统技术的不足,使用机器学习领域经典的最大熵模型对垃圾邮件进行判定,并结合其采用针对SMTP邮件通信协议的实时阻断技术.实验结果表明,该技术简单有效,并适合实时在线处理.     

蜂窝网络自组织研究及展望

自组织网络技术是提高蜂窝网络运行效率、降低运营成本的重要工具,已作为基本功能在4G标准化初始版本获得引入并得到不断发展。在复杂度更高的5G网络中实现网络自动化管理的需求将进一步增强。回顾了蜂窝网络自组织技术的基本概念、分类和主要用例,分析了主要研究方法;总结了学术界、标准化组织及研究机构的研究进展,重点介绍了基于机器学习的最新研究成果;调查了工程应用现状,分析了自组织网络面临的主要挑战,同时指出了新的研究方向。     

基于机器学习的网络异常流量检测研究

异常流量检测需要在海量的数据流中检测出网络流量异常,传统的异常流量检测无法自学习和自演进,在复杂、多变的网络环境下面临巨大挑战。机器学习的方法在完成异常流量检测的同时,可以不断地对新的异常流量进行标记和学习,不断地完善异常流量检测系统,提高异常流量检测系统的准确度,并可对未知的异常进行预测与分类。文章对基于机器学习的网络异常流量检测进行分析和比较,包括监督学习、非监督学习、半监督学习下的异常流量检测,指出了基于机器学习的异常流量检测技术的未来发展方向。