基于行为关系网络的恶意代码检测方法

在网络安全领域,恶意代码的威胁是一个不可回避的话题.如何快速检测出恶意代码、阻止和降低恶意代码产生的危害一直是亟需解决的问题.本文提出一种基于行为关系网络的恶意代码检测方法.首先,在沙箱中运行样本获得行为报告,再从报告中提取样本的API调用、注册表访问和文件读写操作三种行为记录来构建行为关系网络,所构建的行为关系网络包含“PE”、“API”、“Registry”和“File”4种类型的节点;然后,使用一种基于元图的方法来计算样本之间的相似度矩阵;最后,使用一种自定义核的支持向量机(Support Vector Machine, SVM)模型来进行训练和预测.实验结果表明,本文提出的方法可以达到95.5%的分类准确率,能够有效地对恶意代码进行检测.     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。     

长三角城市群空间分区与城市边缘区的扩展特征分析

以中国长江三角洲城市群为研究区,选取全球人造不透水面、可见光红外成像辐射仪(VIIRS)夜间灯光、道路、人口等多源数据,从土地利用、人类活动、道路设施3个视角出发构建分区指标,基于人工神经网络对长三角城市群地域空间进行划分,并探讨城市边缘区的时空分异与扩展特征.结果表明:使用多源数据与人工神经网络方法识别城市边缘区具有可行性,空间分区的3个指标较为合理;使用自组织特征映射模型将长三角城市群分为城市核心区、城市边缘区、乡村地区3类;2012-2018年间城市边缘区占长三角城市群总面积的比例由7.82%增长至11.27%,年均空间扩展强度指数为7.35%,城市边缘区面积扩展呈现集聚特征,热点区主要位于江苏省大部及浙江省北部,冷点区则分布于安徽省大部和浙江省南部.     

面向扶梯不安全行为的改进型深度学习检测算法

以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.     

反射分量分离的特征融合图像翻拍检测

针对翻拍图像对相关人脸识别系统的欺骗性,将基于同态滤波的反射分量分离特征作为新特征加入图像中,形成四通道图像,并将其作为简单卷积神经网络的输入的翻拍图像检测方法.结果表明:在拍摄环境复杂、干扰噪音较多、活体数量较大的环境下,该方法有较高且稳定的准确率、较好的鲁棒性及使用价值.     

谐振接地系统的配电线路接地故障选线新方法

针对因消弧线圈引起的故障电流信号微弱,造成谐振接地系统发生单相接地故障识别率进一步降低的情况,考虑故障线路与非故障线路间零序电流波形相似度低的特点,提出一种谐振接地系统的配电线路接地故障选线新方法。用HHT(Hilbert-Huang teansform)和时频谱带通滤波法处理零序电流波形,构建各线路零序电流波形的时频能量矩阵,结合图像识别中的相似度识别法与综合相似系数矩阵,实现线路接地故障选线。结果表明,该选线方法对噪声干扰、两点接地故障等情况均有效。     

基于多层次非负稀疏编码和SVM的窃电检测方法

针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines, SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电模式特征,以及窃电情景分析提取样本的数值统计特征,将二者的融合检测特征输入SVM分类器进行窃电检测。以爱尔兰智能电表数据集构造的算例验证了所提方法能够提高窃电检测的精确率和召回率。     

基于压力容器裂纹图像检测及识别算法研究

压力容器作为一种特种设备,其安全越来越受到重视。为了保障其安全运行,选择压力容器裂纹图像为研究对象,构建检测及识别算法模型。针对算法模型在实际部署时受到内存空间、处理器计算能力等多方面硬件条件的制约问题,提出了基于NewEfficientNet-B0的轻量化方法,结果表明算法模型降低模型参数数量达78%。针对微小裂纹图像识别难度较大问题,提出了改进多尺度预测的方法,测试数据集上达到了81%的检测识别准确率。     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。