试论现代互联网网络安全的分析

一、网络安全及其现状1.网络安全的概念国际标准化组织(ISO)将"计算机安全"定义为:"为数据处理系统建立和采取的技术和管理的安全保护,保护计算机硬件、软件数据不因偶然和恶意的原因而遭到破坏、更改和泄漏"。上述计算机安全的定义包含物理安全和逻辑安全两方面的内容,其逻辑安全的内容可理解为我们常说的信息安全,是指对信息的保密性、完整性和可用性的保护,而网络安全性的含义是信息安全的引申,即网络安全是对网络信息保密性、完整性和可用性的保护。     

一种新的语音噪声抵消算法

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪声效果不理想的问题,根据多参考输入自适应噪声抵消器模型,在推导多参考输入最小均方（MLMS）算法的基础上,给出其改进算法（IMLMS）,结合语音信号的特点,给出了多参考输入自适应语音消噪算法（VMLMS）,利用调整算法执行过程的算法改进思想,突破了传统的修正收敛系数的算法改进模式,最后对几种算法的性能进行了计算机仿真比较。     

BYOD通信平台及语音接入网关的设计

为创建支持多设备、高性能、安全的网络,以提供低成本、综合性的通信服务,采用理论分析和实验的方法,构建一个典型的集有线、无线网络于一体的统一通信实验平台,给出语音接入网关的设计方案.语音网关以SIP协议为基础,分别以MPC850和嵌入式实时操作系统VxWorks为中央处理器和软件平台,以语音处理DSP、以太网控制器和SLIC为应用模块.研究结果表明:该通信平台设计方案是可行的;语音接入网关能有效控制用户,并完成模拟语音信号与IP分组包的转换.研究结论对小型综合通信平台的建设和相关嵌入式产品的开发有一定的参考价值和指导意义.     

语音信号的谱熵检测在车辆通信中的应用

结合车辆通信中语音信号的特殊性, 利用傅里叶变换和最大离散熵定理, 对含强噪语音的短时频谱进行分析, 构造出一种熵函数来对语音信号进行语音/噪声的判决. 以一段语音信号为例进行仿真, 研究结果表明, 谱熵检测方法计算简单, 谱熵值和隔离度较大, 具有稳健的抗噪特性, 可以应用于车辆通信中语音信号的检测.     

新神经网络结构及其在数码语音识别中的应用

为了提高人工神经网络处理动态信号能力 ,在时延神经网络 ( TDNN )和卷积神经网络 ( CNN)的基础上 ,针对孤立音节的特点 ,提出了一个新的网络结构 ,研究了其学习算法。新网络在进一步改进后用于汉语孤立数码语音识别 ,对特定人和非特定人任务 ,分别达到了 97.7%和 95 .6%的正确识别率 (无拒识 ) ,其性能远远高于多层前向感知机( ML P)和时延神经网络 ,与传统的隐马尔科夫模型 ( HMM)方法是可以相比的。     

网络域名的法律保护

本文以中国互联网络信息中心理论为指导,对域名注册中遇到的一些问题进行讨论。互联网的迅速发展影响着整个社会生活,它的出现同时也引发一系列新问题,比如域名问题,域名与传统知识产权冲突问题也越来越显著。并且在实践中出现了许多纠纷,使域名问题引起了国际、国内有关人士的关注。本文通过对域名的介绍,分析域名与商标的矛盾及对恶意抢注如何裁决的问题进行探讨,强调应该加强对域名的保护,对于我国法律在认定域名与传统知识产权特别是商标权的问题上如何更好的保护企业的利益进行讨论。     

基于DSP的混沌语音加密

基于语音加密的特殊性,利用可逆二维Arnold变换和改进的Logistic映射进行了混沌加密算法研究,并以TMS320VC5509A为中央处理器提出了语音加密的系统方案,实现了语音的加密和解密.首先介绍了数据加密技术基本原理和方法,然后详细给出了混沌加密系统的软硬件设计方案,并通过DSP芯片实现了混沌语音加密和解密.最后对语音信号进行了模拟仿真和测试,加解密前后的信号和频谱取得了较好的一致性,证实了该混沌语音加密算法的可行性.     

基于目标声源方位已知的双麦克风噪声抑制

复杂噪声抑制是语音技术实用化的基础。很多应用中,目标说话人的方位相对固定,而噪声的类型、个数、位置均是未知的,且可能随时间变化。针对这类应用,该文提出一种基于语音信号时频分布稀疏性的半盲双麦克风噪声抑制方法。首先假定说话人方位已知且固定,并根据方位关系建立其空间方位模型,实际噪声的空间方位模型根据观测数据在目标说话人空间方位模型上自适应得到;然后对每个时频点进行分类,并建立二元掩膜;最后利用二元掩膜重构目标语音。实验结果显示:该方法在复杂噪声环境下仍具有显著的降噪效果,且语音失真度较低,其降噪性能接近于噪声源方位已知下的非盲降噪方法。     

人工合成噪声环境下的连续英文数字识别系统

噪声鲁棒性问题是当前语音识别的一个重点,作者提出了一个在已有数据库下通过人为地将噪声和语音信号混合的方法,实现实际环境下的连续英文数字语音识别系统.即通过自设计的程序将采集到的噪声文本根据不同的信噪比随机地添加到现有的语音数据库的语音文本中,使新的数据库中的语音文本符合实际的语音环境.实验结果表明,本系统对带噪声环境下的英文数字的识别率效果好,单词的总体正确识别率达到95.86%.     

语音识别中的BP神经网络改进

语音信号是受说话人、环境等因素影响的复杂函数,人工神经网络（ANN）模型进行语音识别具有自适应、自组织及联想等特征,适合用于语音识别。主要研究了传统BP神经网络在实际语音识别中的改进方案。利用改进后的方案实现语音识别、网络结构简化、运算速度加快、训练时间缩短。