基于随机森林算法的Android恶意行为识别与分类方法

针对当前Android恶意软件检测方法对检测出的恶意行为无法进行识别和分类的问题,提出基于随机森林（RF）算法的Android恶意行为的识别与分类方法. 该方法在对Android恶意软件的类型进行定义的基础上,利用融合多种触发机制的Android恶意行为诱导方法触发软件的潜在恶意行为;通过Hook关键系统函数对Android软件行为进行采集并生成行为日志,基于行为日志提取软件行为特征集;使用随机森林算法,对行为日志中的恶意行为进行识别与分类. 实验结果表明,该方法对Android恶意软件识别的准确率达到91.6%,对恶意行为分类的平均准确率达到96.8%.     

基于监测数据的结构地震损伤追踪与量化评估方法

基于延性的工程抗震设计允许结构在强地震作用下进入非线性,即允许结构产生地震损伤。从物理和力学的角度,抗震行为模拟与性态评估一般考虑地震损伤的峰值效应和累积效应。但是,由于先验性知识(如滞回耗能、承载力与变形能力)的限制,抗震研究中广泛应用的Park-Ang损伤模型较难直接用于大型在役结构的地震损伤评价。受到控制领域模型参考思想的启发,该文提出一类基于数据驱动的损伤评估模型,能自适应于不同的受力状态与破坏模式,实现综合评估震损结构峰值和累积损伤效应。利用美国NEES计划公开的足尺钢筋混凝土(RC)柱动力试验数据,研究了所提出数据驱动损伤指标与RC柱地震损伤发展的相关性与时域追踪效果,验证了评估指标能有效区分RC柱水平侧移与弯曲变形相应损伤的发展与累积差异。此类基于模型参考思想的新型损伤评估指标,不需要提前获知结构非线性特征和计算滞回耗能,可应用于基于强震观测的工程结构抗震性态评估。