基于免疫原理的恶意软件检测模型*

针对恶意软件检测尤其是未知恶意软件检测的不足,提出一种基于免疫原理的恶意软件检测模型,该模型采用程序运行时产生的IRP请求序列作为抗原,定义系统中的正常程序为自体,恶意程序为非自体,通过选定数量的抗体,采用人工免疫原理对非自体进行识别。实验结果表明,此模型在恶意软件的检测方面具有较高的准确率,且误报和漏报率较低,是一种有效的恶意软件检测方法。     

采用路径IRP的Windows恶意进程检测方法

针对程序在同一操作系统的不同环境下运行产生的IRP(I/O request packets)序列不完全相同,对检测结果有一定影响的问题,提出了采用路径IRP的Windows恶意进程检测方法.单独提取每一个操作路径的IRP请求序列,应用朴素贝叶斯、贝叶斯网络、支持向量机、C4.5决策树及改进的人工免疫算法(IAIS)进行检测,并比较了各种算法在不同特征选择方法下的检测效果.实验结果表明,本文所提出的采用路径IRP的Windows恶意进程检测方法是有效可行的,在所有方法中,采用Fisher Score进行特征选择的朴素贝叶斯方法得到了最高的检测率99.2%,优于基于IRP序列的恶意进程检测方法.     

一种采用免疫原理的恶意软件检测方法

针对现有恶意软件检测方法的不足,提出一种采用免疫原理的恶意软件检测方法.该方法采用程序运行时产生的IRP请求序列作为抗原,定义系统中的正常程序为自体、恶意程序为非自体,通过选定数量的抗体,采用人工免疫原理识别非自体.实验结果表明,此方法在恶意软件的检测方面具有较高的准确率,且误报和漏报率较低.     

加快推进军工经济发展方式转变的几点思考

在总结我国军工经济发展历程、现状及存在问题的基础上,分析了当前军工经济发展面临的形势和要求,并提出了对加快推进军工经济发展方式转变的思考与认识,对进一步做强做大军工经济、增强武器装备发展的产业基础具有重要意义。     

半球谐振陀螺的振幅控制及误差分析

基于正交理论和半球谐振陀螺的动力学分析,研究了半球谐振陀螺的振幅检测和控制原理.半球谐振陀螺由于制造工艺和装配过程中的因素,其结构难免出现误差,对振幅的检测和控制产生影响.针对结构误差给出了一种振幅检测方法,可有效地提高振幅检测和控制的精度.分析了谐振子环向不对称造成的振幅误差,并建立了由此引起的测角误差的数学模型,讨论了由软件算法来补偿侧角误差的方法.     

微生物清防蜡技术研究进展

我国高含蜡原油丰富。在原油采出的过程中,原油通过近井地带向井筒运移,温度逐渐下降,会造成石蜡结晶,石蜡从原油中析出,析出蜡聚集在近井地带,造成井筒的堵塞,这是引起油井减产的主要原因。保证高含蜡油井能够正常生产的重要手段之一是对油井实施有效地清防蜡措施。微生物清防蜡技术作为微生物采油技术的分支,其有许多突出的优点,如施工方法简单,作用周期较长,操作费用较低,不影响油的品质,对地层无任何污染伤害等。     

变压器绕组变形研究与例证

电网中大规模应用的电力变压器由于各种电动力和机械应力的原因,会出现不同程度的绕组变形,以一次故障诊断为基础,综合运用频率响应法、短路阻抗法和绕组电容法,判定绕组变形故障的存在,并吊罩验证,证实在绕组变形离线检测方法中,这三种方法配合使用可以准确判断故障。     

终身学习的否定选择算法

针对否定选择算法（NSA）仅模拟了人类适应性免疫系统的中枢耐受过程,而未模拟其外周耐受过程,不具备终身学习能力的问题,提出了具有终身学习能力的否定选择算法（LNSA）.LNSA的学习过程模拟淋巴细胞经历中枢耐受和外周耐受的成熟过程,通过外周耐受实现终身学习,从而提高了抗体区分自体与非自体的能力.与NSA和树突细胞算法（DCA）的比较结果表明,LNSA可有效降低检测误报率,并具有与NSA同样高的检测率.     

基于肯定选择分类算法的恶意代码检测方法

针对恶意代码,尤其是顽固、隐匿的未知恶意代码危害日益加剧的问题,提出一种基于肯定选择分类算法的恶意代码检测方法.将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算具有最大信息增益的N个n-gram的词频,并做归一化处理,采用改进的肯定选择分类算法进行分类.该方法保留了肯定选择分类算法高分类准确率的优点,优化了分类器训练过程,提高了训练和检测效率.结果表明,该方法的检测效果优于朴素贝叶斯、贝叶斯网络、支持向量机和C4.5决策树等算法.     

基于属性相似度的恶意代码检测方法

针对未知恶意代码数量急剧增长,现有的检测方法不能有效检测的问题,提出一种基于属性相似度的恶意代码检测方法.该方法将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算每个n-gram的信息增益,并选择具有最大信息增益的N个n-gram作为特征属性,分别计算恶意代码和正常文件每一维属性的平均值,通过比较待测样本属性与恶意代码和正常文件两类别属性均值的相似度来判断待测样本类别.结果表明,该方法对未知恶意代码的检测性能优于基于n-gram的恶意代码检测方法.