基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

建筑施工过程的环境风险识别与分析

近些年来由于房地产的热度较高不下,建筑行业一直处于风口浪尖,并且已经有了长足的发展。但是在城市之中进行建筑施工,往往会带来一定的环境风险,施工扰民的状况,近些年来也常在舆论之中出现。本文针对建筑施工过程之中,对于环境影响的因素进行识别,从而提出了相关意见和建议,对于环境风险进行分析和规避,公有关建筑施工部门参考。     

《经济日报》评出“2020年十大国际经济新闻”

2020年是极不平凡的一年。新冠肺炎疫情肆虐全球,世界经济陷入严重衰退,国际格局加速演变,单边主义、保护主义上升,全球产业链、供应链受到冲击。同时,全球努力稳定和恢复经济的各项举措效果初显,世界经济出现缓慢回升。为使广大读者及社会各界了解今年世界经济发生的重大变化及其特点,更好地把握当前和今后的走势,以及我国外部整体经济环境现状,经济日报及中国经济网推出“2020年十大国际经济新闻”,敬请关注。