基于攻击图的网络脆弱性分析方法

传统的攻击图分析方法在计算攻击目标可达概率时没有考虑攻击者的行为特征,降低了分析结果的准确性。为了解决这个问题,首先对全局攻击图模型进行了介绍,然后提出了一种基于全局攻击图的网络脆弱性分析方法。该方法利用网络状态间的转移概率描述攻击者的行为特征。在此基础上,计算攻击目标的可达概率。实验结果表明：安全管理人员利用该方法能够从全局角度分析网络的脆弱性,获得的分析结果更加客观、准确。     

基于漏洞知识库的8031单片机系统软件漏洞检测算法

针对基于8031单片机系统软件的安全问题,对各权威漏洞数据库进行了分析研究,采用一种基于ECV规则的攻击分析方法从攻击事件中提取漏洞知识,根据漏洞种类及特征将漏洞从代码安全的角度分类,设计了三层结构的漏洞知识库,并根据漏洞知识库的设计提出了一种基于知识的漏洞检测算法,用于检测8031单片机系统漏洞。基于上述方法设计并实现了软件安全性逆向分析系统,对8031单片机系统进行漏洞检测。实验结果表明,基于该漏洞知识库的漏洞检测算法可以对目标程序正确进行漏洞检测,有利于降低软件代码漏洞量,并在一定程度上降低成本和资源消耗。      

一种改进的基于图论的图像分割方法

提出了一种融合边缘检测与图论的图像分割方法,在基于图论方法进行图像分割之前,引入边缘检测对像素点进行预分类,以消除图论方法因为区域的过合并导致的欠分割现象.实验结果表明该文的算法能取得很好的分割效果.     

一种基于图论的入侵检测方法

在入侵检测系统中引入图论的相关理论并提出了一种基于图论的入侵检测方法,将数据对象之间相似度的关系转换到图论的邻接矩阵中,再将邻接矩阵转换为关联矩阵,以表示数据对象之间的相似关系.利用最速下降法求得最佳的转换矩阵,以完成关联矩阵的块对角矩阵转换而达到数据聚类效果和鉴别出正常数据与入侵攻击数据的类别.同时,利用KDD CUP 1999数据集对系统进行仿真.结果表明,所提出的入侵检测方法能够在很低误警率的情况下达到比模糊C均值聚类算法更高的检测率.     

一种改进的程序流程图--层次流程图HFG

程序流程图是刻划程序控制结构的一种重要的表示方式，层次流程图（HierarchicalFlowGraph,HFG）是一种真正基于块、节点、段三层程序划分机制的完全图形化的新型程序流程图，将程序由二维空间拓展到了三维空间，HFG有效利用了块结构的构型特征和对象封装性，具有较高的可重用性和可扩展性，此外，HFG还提供了极为灵活的程序收缩和延展机制，可提供多级别的程序框架，在很大程度上改善了程序理解和测试工作。     

基于反馈图卷积神经网络的事件检测方法

事件检测是自然语言处理领域的重要任务之一,其结果可以有效支撑信息抽取、文本分类和事件推理等下游任务. 预训练语言模型BERT在事件检测任务上取得了显著的成绩,然而该类方法无法有效获取长距离和结构化的文本信息. 为了缓解该问题,本文提出基于反馈网络的图卷积神经网络模型进行文本结构信息捕获,同时这种新方法能够有效解决图卷积神经网络带来的语义信息衰减性问题. 本文首先使用BERT预训练模型获取文本的语义特征,然后使用融入反馈网络的图卷积神经网络提取文本的句法结构特征,最终使用多分类器实现对事件触发词的识别和分类.公开数据集ACE 2005上的实验结果表明,本文提出的事件检测方法在事件触发词识别和分类任务上的F1值分别达到了74.46%和79.49%,较现有工作平均提高了4.13%和4.79%.     

基于控制流程的软件测试用例自动生成方法研究

软件测试中最重要的就是设计和生成有效的测试用例,通过测试用例的自动生成可以大大提高设计和生成测试用例的效率.首先提供了一种从流程图自动生成测试用例的方法,然后介绍了从流程图生成交互有限状态自动机的算法以及从交互有限状态自动机生成测试用例的算法.最后,介绍了相关支持工具ATCG.     

基于结构化文本及代码度量的漏洞检测方法

目前的源代码漏洞检测方法大多仅依靠单一特征进行检测,表征的维度单一导致方法效率低.针对上述问题提出一种基于结构化文本及代码度量的漏洞检测方法,在函数级粒度进行漏洞检测.利用源代码结构化文本信息及代码度量结果作为特征,通过构造基于自注意力机制的神经网络捕获结构化文本信息中的长期依赖关系,以拟合结构化文本和漏洞存在之间的联系并转化为漏洞存在的概率.采用深度神经网络对代码度量的结果进行特征学习以拟合代码度量值与漏洞存在的关系,并将其拟合的结果转化为漏洞存在的概率.采用支持向量机对由上述两种表征方式获得的漏洞存在概率做进一步的决策分类并获得漏洞检测的最终结果.为验证该方法的漏洞检测性能,针对存在不同类型漏洞的11种源代码样本进行漏洞检测实验,该方法对每种漏洞的平均检测准确率为97.96%,与现有基于单一表征的漏洞检测方法相比,该方法的检测准确率提高了4.89%~12.21%,同时,该方法的漏报率和误报率均保持在10%以内.     

基于改进距离的孤立点检测方法

局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均匀对孤立点检测算法的影响.实验结果表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,更好地挖掘数据集的本征特性,具有更好的数据可视化效果.     

软件定义网络流表溢出脆弱性分析及防御方法

软件定义网络交换机非常有限的流表容量使其存在严重的流表溢出脆弱性问题,为此利用软件定义网络易于管理路由规则的新特性,提出一种基于装箱优化的路由聚合算法,并进一步提出了流表溢出攻击的防御方法。采用传统的基于基数树的路由聚合算法产生初步聚合后的流表项节点,将其划分为包含不同数量节点的若干个流表项规则组,并基于装箱优化问题求解得到每个流表项规则组的新转发地址,再将转发地址修改后的流表项规则进行二次聚合,从而有效减少交换机流表中的流表项数量,达到防御流表溢出攻击的效果。实验结果表明:流表聚合率达到了54.9%,优于传统的基于基数树的路由聚合算法,并使得达成流表溢出攻击的攻击数据包数增加了125.8%;该方法可显著增加流表溢出攻击的实现难度,有效缓解流表溢出脆弱性问题,提升软件定义网络对该类攻击的防御能力。     

基于改进霍夫变换的水面无人船水界线检测方法

准确的水界线检测是水面无人船(unmanned surfaced vessel,USV)导航和自主避障的关键;同时也为水面图像处理提供有效区域。针对复杂背景下水界线检测实时性和鲁棒性欠佳的现象,提出一种改进的水界线检测方法。首先,使用Canny边缘检测提取图像的边缘信息;然后,使用基于边缘梯度信息的Hough变换,限定参与水界线拟合的边缘像素点的梯度方向;并删除对水界线没有贡献的边缘像素点,同时缩小累加器空间;最后,使用加权长度确定水界线,以此抑制标准Hough变换对纹理性区域边缘像素点造成的虚假峰值。实验结果表明该算法可准确、高效地检测出水界线。     

基于改进Q学习的双周期干线信号协调控制方法

针对双周期干线信号协调控制中干线协调与双周期交叉口通行效率存在一定矛盾的问题,提出了一种基于改进Q学习的双周期干线信号协调控制方法,从状态空间和动作空间两个方面对Q学习算法进行了改进。首先,提出了新的交通状态描述指标——排队消散指数,依据该指标的阈值对交通状态进行等级划分,降低了Q学习状态空间的维数。其次,综合考虑相邻交叉口交通状态之间的关联和影响,针对每种系统状态分别设定可行的关联动作,降低了Q学习的动作空间。最后,以北京市两广路为例验证了改进的Q学习算法。结果表明,改进Q学习算法相比于普通Q学习算法、固定配时方案,干线平均延误分别减少10.47%、9.93%,平均停车次数分别减少22.64%、7.96%,双周期交叉口平均延误分别减少21.58%、24.96%,平均停车次数分别减少8.51%、11.64%,表明该算法对减少双周期干线延误,降低停车次数具有较为显著作用。     

一种基于改进RefineDet的管道数字射线成像缺陷图像检测方法

为提高管道缺陷图像检测的准确率,提出一种基于改进RefineDet的管道数字射线成像(digital radiography,DR)缺陷图像检测模型。该模型针对管道DR缺陷图像数据少、目标少等特点,从以下三个方面进行改进。首先,在骨干网络设计方面,使用Swin transformer代替VGG16作为主干网络,在提高特征提取能力的同时减少主干网络参数量。其次,针对管道DR缺陷图像目标数量较少而易受背景干扰问题,通过在主干网络与特征融合阶段之间加入全局注意力模块来强化模型对重要特征的关注,从而提高检测性能。最后,在后处理阶段,针对传统的非最大值抑制算法直接去除非最好预测框问题,使用软非最大值抑制算法以更合理的方式去除非最优预测框。结果表明：该方法能够有效实现管道DR缺陷图像的检测,并且相比于其他4种常用的目标检测模型,提出的模型可以有效提升管道DR缺陷图像检测的准确率,研究成果可为DR缺陷图像检测提供技术支撑。     

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故...     

基于改进AdaBoost算法的行人检测方法

基于传统AdaBoost算法的识别率和误报率同时低的原因。提出一种改进AdaBoost算法的行人检测方法,采用类Haar特征作为行人特征,引入误报率来更新样本权重,使得识别率降低得更慢,实现一个级联的行人检测分类器。相比于传统AdaBoost算法,改进算法不仅取得较优的识别率,并且可以降低分类器训练的层数。实验证明了改进算法的有效性。     

基于OpenCV的改进RANSAC车道线检测方法

车道线的检测技术是自动驾驶汽车中的重要技术。为了提高车道线的检测能力,提出了一种改进RANSAC的车道线识别方法。通过设置感兴趣区域提取路面图像并进行缩放;把彩色图像的RGB通道按5∶5∶0的权重转化成灰度图像;再用速度更快的积分图法对图像进行自适应二值化;接下来进行一系列的形态学处理来减小噪声;提取Harris角点作为拟合数据点;最后,运用改进了选择初始点和删除外点的RANSAC(random sample consensus)的方法,根据数据点估计车道线参数。实验结果表明,该算法适合多种道路环境下的车道线检测,具有较好的鲁棒性和实时性。     

改进的基于模板的角点检测算法

对传统的基于模板的角度检测算法进行了2点改进.首先扩大了角点模板的半径,增加了可检角点的类型;其次根据新的角点响应函数简化了模板,使得角点模板总数并没有因为角点类型的增多而增加.实验结果表明,本算法提高了角点检测的准确性,同时保证了计算速度,具有一定的价值.     

基于模块加权耦合图对软件模块耦合性度量方法研究

通过分析Fenton和Melton的一种模块耦合性度量方法的不足,对该方法进行改进,提出了一种基于模块加权耦合图的软件耦合性度量方法。给出度量算法,最后以实例介绍该方法的应用。