基于词法特征的恶意域名快速检测算法

针对互联网中恶意域名攻击事件频发,现有域名检测方法实时性不强的问题,提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点,首先将所有待测域名按照长度进行正则化处理后赋予权值;然后利用聚类算法将待测域名划分成多个小组,并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级,根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离;最后依据编辑距离值快速判定恶意域名。算法运行结果表明,基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比,准确率分别提高1. 7%与2. 5%,检测速率分别提高13. 9%与6. 8%,具有更高的准确率和实时性。

基于迁移学习的小样本恶意域名检测

恶意域名的变种随着检测方法的增多而不断丰富,现有模型对于该类恶意域名的检测精度不高。为此,提出一种基于迁移学习的小样本变种域名检测算法。通过构造双向长短时记忆神经网络(bi-directional long short term memory,BiLSTM)和卷积神经网络(convolutional neural networks,CNN)的组合模型BiLSTM-CNN,提取域名上下文特征和局部语义特征,利用数据量充足的多家族恶意域名数据集进行预训练;迁移BiLSTM-CNN模型预训练的参数到小样本的恶意域名检测模型中,对新出现或新变种的小样本恶意域名进行检测。在多个小样本数据集和数据量充足的多家族恶意域名集上进行测试,运行结果表明,所提模型在数据量充足的多家族恶意域名数据集上可以实现95.17%的平均检测精度,在多个小样本数据集可以实现94.26%的平均检测精度。与当前经典的检测模型相比,所提模型整体检测性能表现良好。

基于深度自编码和决策树的恶意域名检测

针对目前恶意域名检测方法特征提取过程复杂和检测准确率不高的问题,提出一种基于深度自编码和决策树(Deep Auto Encoder and Decision Tree, DAE-DT)的恶意域名检测算法.该算法首先将每一域名按照域名词法组成与结构等属性进行特征映射,并进行正则化处理;然后将正则化处理后的无标签域名数据随机置0作为模型的输入,域名字符统计特征作为输出,构造深度自编码网络模型.并通过计算模型输出值与未处理数据之间的重构误差,实现各层参数与权值的优化,以增强模型的鲁棒性;最后依据提取的域名字符统计特征构造恶意域名判定的决策树.通过在Alexa和Malware domain list等标准数据集上进行测试.实验结果表明,该模型的检测准确率、精确率、假阴性率和假阳性率值分别为95.21%、94.17%、2.41%和3.63%.

Linux系统教学中关于命名管道文件的解析

针对Linux系统相关内容教学中对于命名管道文件讲述不够详细,导致学生对命名管道文件认识模糊的问题,基于Linux系统进程之间通信机制,讲述了进程之间通过管道通信的原理、无名管道和命名管道的功能,并通过实例说明了命令方式和程序方式使用命名管道的方法。

基于多特征I-Vector的说话人识别算法

针对单一声学特征无法精准高效地辨识说话人身份的问题,提出了一种基于多特征I-Vector的说话人识别算法.该算法首先采集不同的声学特征并将其构成一个高维特征向量,然后通过主成分分析法有效地剔除高维特征向量的关联,确保各种特征之间正交化,最后采用概率线性判别分析进行建模和打分,并在一定程度上降低空间维度.在TIMIT语料库上利用Kaldi进行实验,算法运行结果表明,该算法较当前流行的基于I-Vector的单一梅尔频率倒谱系数和感知线性预测系数的特征系统在等错误率上分别提高了8.18%和1.71%,在模型训练时间上分别减少了60.4%和47.5%,具有更好的识别效果和效率.

宁夏彭阳县白岔生态村植物病害调查及防治研究初报

植物病害不仅降低了植物的经济价值，而且对生态农业建设也造成不应有的损失。我们于１９９０～１９９２年对彭阳县植物病害的种类、分布、危害等方面做了调查、记录病害１１０种，其中白岔村分布５４种。运用综合防治ＩＰＭ的观点，对各类病害提出了防治建议。

宁夏彭阳县白岔试区十二种优良牧草引种栽培试验

1993年我们引进了内蒙古农牧学院、北京农业大学引种驯化的十二种优良豆科和禾本科牧草，在彭阳县白岔村进行适应性栽培试验。供试的十二种牧草共同表现为耐瘠、耐碱、耐旱、耐寒、抗病虫害，对该地区具有较强的适应性。

宁夏苜蓿害虫天敌种类及其田间发生规律的初步研究

通过田间系统调查和鉴定,明确了宁夏苜蓿害虫天敌种类和优势种群,初步研究了优势种群瓢虫、草蛉、捕食蝽及蜘蛛的田间消长规律,并对主要害虫蚜虫、蓟马与其天敌的动态关系进行了分析,为今后苜蓿害虫的生物防治提供了重要的科学依据。