基于模拟退火的样本加权FCM算法

为了解决模糊C均值聚类算法(FCM)中聚类类数初始值是由先验知识人为确定并且目标函数忽略了样本属性数据之间的不均衡性问题,提出了一种基于模拟退火的样本加权FCM算法(SASWFCM),利用模拟退火算法可以寻求全局最优解的特点,计算出聚类数初始值,并对聚类中心和目标函数进行加权处理。通过实验分析,该算法与原FCM算法相比较而言,无需人为确定聚类初始值并且在分类准确数和准确率上有所提高,体现了算法的优越性,验证了改进后算法的实际价值。

一种改进的基于攻击树的木马分析与检测

木马是一种具有潜在威胁的程序,会对计算机造成不同程度危害,对于木马的检测与防范尤为重要。通过分析程序的PE文件提取API函数调用序列,将其分割为长度为k的短序列与攻击树匹配,再对攻击树各节点计算其发生的概率及恶意性权值,最后综合计算攻击树根节点代表事件的危险指数用来估计该程序与木马的相似程度,从而判断程序为木马程序或者包含木马部分的可能性,以准确地检测和防范木马攻击。