基于多类特征的JavaScript恶意脚本检测算法

针对脚本样本集具有混淆、统计、语义等不同层面上的特征,设计基于多类特征的Java Script恶意脚本检测算法,实现针对恶意Java Script脚本的离线分析系统JCAD.首先提取脚本的混淆特征,使用C4.5决策树分析被混淆的脚本并解除混淆.然后提取脚本的静态统计特征,根据语义进行脚本序列化,构造危险序列树,提取脚本的危险序列特征.最后以三类特征作为输入,采用对脚本样本集的非均匀性与不断增加的特点具有较强适应能力的概率神经网络构造分类器,判断恶意脚本.实验表明,该算法具有较好的检测准确率与稳定性.

基于模糊模式与决策树融合的脚本病毒检测算法

构建决策树进行脚本病毒检测可以全面利用训练样本的信息,在样本特征较为复杂、样本数较大的情况下会产生大量节点,计算时间复杂度高,在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能,该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集,根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性,逐步构建决策树。实验结果验证了算法的稳定性与准确度,表明这种融合方法可增加属性的区分度,减少决策树的分支数。

基于LSTM与注意力机制的卫星透明转发器频率干扰规避方法

针对卫星通信系统中的透明转发器频率资源干扰问题,设计了基于LSTM的卫星透明转发器频率干扰规避方法。通过LSTM+Attention模型识别频率干扰类别并进行分层处置,同时实现了将长期和短期频率干扰规避相结合的优化策略。策略利用载波监视采样的卫星频谱干扰信息,通过运控、网管和网控系统进行干扰处置,实验结果表明,该方法有效降低了网络的可分资源受扰率的同时提高了正常可用资源量。该干扰规避策略具有实时性高、受扰率低、可有效提高资源利用效率的优势。