基于深度学习的恶意代码检测综述

恶意代码检测是网络空间安全领域的重要研究方向之一。在简要阐述恶意代码检测重大研究价值的基础上,结合国内外研究现状,总结了现有的基于深度学习的恶意代码检测技术及方法。首先,分别从静态、动态和混合检测方法多方面地梳理了传统检测技术,其次,分别从基于序列特征、图像可视化和数据增强的恶意代码特征提取方法出发,对基于深度学习的恶意代码分类识别方法进行了总结,最后,对基于深度学习的恶意代码特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。

时序数据图像化:战术意图识别及可移植框架

通过将时序编码为图像,提出了一种结合曲线滤波技术和EfficientNetV2图像识别网络的鲁棒且可移植的战术意图识别框架。曲线滤波技术可以有效地减少大量时域特征、模型参数和训练时间的冗余,基于此,提出了一种改进的格拉姆角场方法将时序编码为图像,提高了卷积神经网络的特征提取能力。EfficientNetV2网络能够有效地处理意图图像,并成为预训练模型,使得在不同系统之间进行迁移学习成为可能。实验结果表明,所提框架相对于机器学习及深度学习等方法提高了0.99%以上的准确率,具有更好的性能、可扩展性、鲁棒性和可迁移性。

传统机器学习模型的超参数优化技术评估

合理的超参数能够保证机器学习模型适应不同背景和不同任务。为了避免在模型超参数数量过多、搜索空间过大的情况下出现手动调节导致的效率低下问题,多种超参数优化技术已经被研发并运用到机器学习模型训练中。文中首先回顾了8种常见的超参数优化技术,即网格搜索、随机搜索、贝叶斯优化、Hyperband、BOHB、遗传算法、粒子群优化算法和协方差矩阵自适应进化策略,并从时间性能、最终结果、并行能力、可拓展性、稳健性和灵活性5个方面分析各类方法的优缺点。其次,将8种方法应用到LightGBM、XGBoost、随机森林和KNN这4种传统机器学习模型上,在4个基准数据集上完成了回归、二分类和多分类的实验,对各类方法进行了比较。最后总结了各类方法的优缺点,给出了不同方法的适用情景。

面向空中目标意图识别的时空Transformer模型设计

信息化条件下的战争环境瞬息万变,战场态势数据呈现海量、多样化的特点,导致利用专家经验识别空中目标作战意图的难度越来越高。结合目前先进的智能化方法,对Transformer模型进行研究并将其引入空中目标意图识别领域,设计出一种新的意图识别方法Temporal-Spatial Transformer(TST),可以有效地挖掘战场态势数据中时间域和空间域的深层特征信息,提高空中目标作战意图识别准确率。同时,对4种目前较为先进的神经网络意图识别方法进行效果对比,结果表明,TST模型在各类指标上都取得了突出的效果,优于所有对比的神经网络模型。TST模型不仅有优异的准确率,而且收敛速度极快,可以迅速地抓取战场态势数据中的关键信息进行意图识别。

TriCh-LKRepNet:融合三通道映射与结构重参数化的大核卷积恶意代码分类网络

随着网络威胁的日益严峻,恶意代码的检测与分类变得尤为关键.传统分析方法依赖手动特征提取,不仅耗时且难以跟上恶意代码的快速变异.相比之下,深度学习技术在恶意代码分类方面展现出巨大潜力.然而,模型复杂度和资源消耗仍是实际部署的难题.本研究提出了TriCh-LKRepNet(Triple-Channel Large Kernel Reparameterisation Network),该网络专注于轻量化设计,旨在确保检测性能的同时降低计算和内存需求.通过提出的三通道映射技术,将恶意代码的多维信息有效转换为图像通道,增强了特征的区分性.结合卷积神经网络(Convolutional Neural Networks,CNN)和Transformer的优势,设计了一个高效的深度学习架构,并通过重参数化技术优化了连接路径,以降低内存消耗并提升运行效率.此外,引入的线性训练时间过参数化和大卷积核技术进一步降低了模型的参数量和计算负担.通过实验证明,TriCh-LKRepNet在提升恶意代码分类精度的同时实现了模型的轻量化,与现有技术相比,展现出更佳的性能和更广泛的应用潜力,特别是在资源受限和需要实时检测的环境中,提供了一种有效的解决方案.

一种基于全卷积神经网络的空中目标战术意图识别模型

针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征。通过消融实验和对比实验结果表明,MLSTM-FCN模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了sota的结果,为指挥员在进行空中作战决策时提供更有效的依据。

融合经验模态分解与改进时域Transformer的网络安全态势预测

针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过“分解-重构”方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进行去噪预处理;提出改进时域Transformer,使用时域Transformer模块提取网络安全态势数据序列的时间深层全局特征,并提出Attention Fusion机制实现时序特征的自适应融合,以更加稳健的特征融合方式完成预测任务。实验结果表明,本文提出的方法相较其他方法在预测精度方面具有显著提高,其拟合优度决定系数达到0.997860,拟合效果较好。

ACCQPSO:一种改进的量子粒子群优化算法及其应用

针对量子粒子群优化算法前期易陷入局部极值点、后期寻优精度不高等问题,文章提出一种自适应交叉算子的混沌量子粒子群优化算法,并将其应用于BP神经网络超参数寻优。首先,利用Logistics映射初始种群为混沌序列进行最优解搜索,增强初始种群的随机性与遍历性,提高算法寻优能力;然后,通过纵向交叉操作进行种群中个体的信息交换,并引入自适应交叉概率公式,增加种群多样性,提高算法的寻优精度;最后,在实验中,一方面,选取8个函数在高低两个维度进行验证,同时进行Wilcoxon秩和检验分析以及消融实验,验证该算法相较其他算法的有效性;另一方面,通过算法优化BP神经网络应用到网络安全态势预测任务中,实验结果表明该算法收敛速度相较于对比算法有大幅度提升。

基于相关系数的证据冲突度量方法

为了更加准确地描述证据间的冲突,在分析证据相关性与证据冲突关系的基础上,给出了证据相关系数的判定准则,基于证据相关系数提出了一种新的证据冲突度量方法,理论证明和数值计算表明该方法可有效表示证据之间的冲突程度,相关系数越大,表明证据间冲突越小,反之亦然。最后通过算例将该冲突度量与其他方法进行对比,结果表明该方法更具全面性和精确性。

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在"一票否决"的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。

基于直觉模糊集的时域证据组合方法研究

证据理论已广泛应用于时空信息融合领域,由于时域信息融合表现出明显的序贯性和动态性,为实现基于证据理论的时域信息融合,有效处理时域冲突信息,结合证据可靠性评估和证据折扣的思想,在直觉模糊框架内提出了一种基于复合可靠度的时域证据组合方法.首先定义一种基于可靠度的直觉模糊数排序方法,在此基础上提出一种基于直觉模糊多属性决策的证据可靠性评估方法;然后,基于此方法对时域信息序列中相邻时间节点的证据可靠性进行评估,得到时域证据的相对可靠性因子;最后,结合由时域证据可靠度衰减模型得到的实时可靠性因子,得到时域证据的复合可靠性因子,再基于证据折扣运算和Dempster证据组合规则提出一种基于复合可靠度的时域证据组合方法.数值算例和仿真表明,该方法具有较强的时间敏感性,充分体现了时域信息融合的动态性特点,可以较好地处理时域证据中的冲突信息,基于该方法构建的融合识别系统具有较强的抗干扰能力.

基于混淆矩阵的证据可靠性评估

在基于证据理论的融合识别系统中,对证据可靠性进行评估进而对证据进行修正是解决证据冲突的有效途径。在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出的证据之间的关系来对证据可靠性进行评估,充分考虑了传感器的静态可靠性与动态输出。最后将该方法运用于基于证据可靠性评估的融合识别中,算例表明该方法可以有效降低可靠性证据的影响,得到较好的融合效果。

固体火箭发动机长尾喷管三维两相流动数值模拟

运用颗粒轨道模型对固体火箭发动机长尾喷管内流场两相流进行了数值模拟,通过与纯气相流场的对比研究了粒子相对喷管流场的影响规律,分析了1～100μm不同直径颗粒的运动特性及分布特征。结果表明,颗粒相的加入对长尾喷管内流场带来很大影响,颗粒相的运动轨迹与颗粒直径密切相关,颗粒分布和颗粒沉积特性与颗粒运动轨迹具有内在联系,为两相流条件下长尾喷管的热防护试验研究提供了一定依据。

固体火箭发动机射流推力矢量喷管气固两相流数值模拟

用颗粒轨道模型对基于激波控制的二维收缩扩张(2DCD)喷管中的气固两相流动进行了数值模拟,并与纯气相条件下的计算结果进行了对比分析,研究了1～40μm不同直径颗粒的运动轨迹和内流场参数的分布特征,并对矢量喷管的推力性能进行了研究。研究表明,颗粒相的加入和颗粒直径的变化对矢量喷管的内流场和推力性能都有较大影响。在进行射流推力矢量喷管的设计和性能计算时一定要考虑颗粒相的影响。

激波诱导矢量喷管内流场动态特性数值研究

以二维收敛扩张喷管为对象,利用二维非定常雷诺平均N-S方程和RNG k两方程湍流模型对基于激波控制的射流推力矢量喷管非定常流场进行研究,分析了二次流总压连续变化对喷管流场和推力性能的影响,结果表明:随着二次流总压的增大,二次流与主流干扰形成斜激波强度增加,激波向喷管上游移动;二次流总压增加到一定值后会在二次流入口附近形成回流区,回流区面积随二次流总压的增加而增大;二次流总压连续增加时,喷管轴向力连续增大,侧向力和推力矢量角先增大后减小,推力系数随二次流总压的增加而较小。

时域证据融合中的可信度衰减模型

证据理论在时空信息融合领域都有着广泛的应用,时域信息融合表现出明显的序贯性和动态性,在空域进行证据融合时处理证据冲突的方法并不一定适用于时域,时域证据融合中如何确定证据的动态可信度是值得关注的问题。针对此问题,基于Dempster证据组合规则和证据折扣理论,分析了时域证据融合的马尔可夫性,建立了证据可信度衰减模型,在此基础上得到证据动态可信度,以此作为动态折扣因子对证据进行折扣。算例仿真表明,可信度衰减模型可以基本满足时域证据融合的要求,能有效处理时域融合中的证据冲突。

轴对称激波诱导矢量喷管三维两相流数值模拟

运用颗粒轨道模型对轴对称激波诱导矢量喷管内流场进行了数值模拟,并与纯气相条件下的计算结果进行了对比分析,研究了1～30μm不同直径颗粒的运动轨迹和内流场参数的分布特征,并对矢量喷管的推力性能进行了研究。结果表明,颗粒相的加入对射流推力矢量喷管内流场和推力性能都带来很大影响,影响规律与颗粒直径密切相关。为两相流条件下射流矢量喷管的试验研究提供了一定依据。

乙肝免疫球蛋白联合乙肝疫苗阻断乙肝母婴传播的疗效分析

目的分析应用乙肝免疫球蛋白联合乙肝疫苗免疫阻断乙肝母婴传播的效果。方法选取90例HBs Ag阳性孕妇作为研究对象,分为对照组与观察组,各45例。对照组于胎儿出生后接种乙肝基因疫苗。观察组在孕妇28周开始予以宫内阻断,临产时进行抽血复查患者HBVM,接着胎儿出生后肌肉注射200IU乙肝免疫球蛋白,同时于新生儿接种20μg的乙肝基因免疫。观察和比较2组新生儿出生和1周岁时HBVM情况。结果观察组胎儿出生时HBs Ag(乙型肝炎表面抗体)阳性率9例(20.0%)和HBV-DNA阳性率5例(11.1%)明显低于对照组27例(60.0%)、16例(35.6%),HBs Ab阳性率25例(55.56%)明显高于对照组4例(8.9%),差异具有统计学意义(P<0.05)。观察组婴儿1周岁时,HBs Ag阳性率1例(2.2%)明显低于对照组8例(17.8%),HBs Ab阳性率42例(93.3%)明显高于对照组34例(75.6%),差异具有统计学意义(P<0.05)。结论联合应用乙肝免疫球蛋白和乙肝疫苗免疫阻断乙肝母婴传播,可获得显著且良好的效果,值得应用以及推广。

STAR-RIS辅助通信感知一体化的多用户安全通信

智能反射面在提高通信感知一体化系统性能和增强物理层安全方面具有极大潜力,但是其存在半空间覆盖的缺点。为此,研究了一种同时反射和透射智能反射面,并在考虑感知目标的信噪比约束条件下,建立一个联合优化基站发射波束赋形和智能反射面相移的安全能效最大化问题。为求解所赋形的非凸优化问题,用Dinkelbach方法将目标函数转化为减法形式,并将该为题转化为两个子问题来解耦发射波束赋形和反射面相移,进而提出基于连续凸近似、半正定松弛的交替优化算法来求解。仿真结果表明,与传统的分组智能反射面场景相比,该方案能够提升25.6%的系统能效。

乡村振兴战略的总要求和大学生村官的作用发挥

乡村振兴战略的提出,为大学生村官实现自身价值、奉献社会迎来了新的机遇。细致梳理了乡村振兴战略的演变脉络,深入分析了影响大学生村官作用发挥的主客观因素,提出了发挥大学生村官作用的具体路径。