基于多特征融合和增强模型的恶意代码检测方法

随着互联网、云计算、物联网等技术的飞速发展,恶意代码引起的网络安全事件频发,引起了社会极大的恐慌。基于多特征融合和增强模型的恶意代码检测方法利用主成分分析法、随机森林法对图像GIST特征、操作码序列、字节统计值、文件结构等特征进行优化,利用贝叶斯优化策略增强K最近邻算法(K-Nearest Neighbor,KNN)、支持向量机、随机森林等模型,并聚合增强模型的检测结果。实验表明,该方法精准率达到了98.98%,准确率达到了97.66%,F1值达到了96.64%,具有良好的分类效果。

基于操作码序列和Stacking集成的恶意代码检测方法

随着互联网、大数据、云计算等技术的发展,恶意代码规模呈高速增长态势,给网络空间安全带来严重威胁。传统的基于特征码、启发式的恶意代码检测方法,难以应对日益增长的恶意代码数量。提出一种基于操作码序列和Stacking集成的恶意代码检测方法。该方法采用N-gram算法提取操作码序列,采用加权策略生成变长操作码特征向量,使用Stacking集成支持向量机、K近邻分类器、梯度提升决策树等异质分类器。实验表明,该模型达到了97.82%的准确率、97.64%的精确度、96.23%的召回率,具有良好的检测效果。

基于Multi-Agent的多媒体交互系统的设计与实现

随着信息技术的飞速发展,软件理论和技术也得到了极大进步,Agent以及多Agent系统(Multi-Agent System,MAS)已经成为软件领域的研究热点。传统的多媒体交互系统通信效率低,功能简单,越来越不能满足人们日益增长的需要。Agent具有移动性、智能性、自治性等特点,利用它可以为音视频交互系统的开发提供一种崭新途径。为更好地解决人们跨地域沟通中通信质量差、功能单一等问题,笔者采用Agent组结构设计实现了基于Multi-Agent的音视频交互系统。系统能为使用者提供高效、便捷、稳定的音视频交互功能,极大地满足了人们跨地域和跨网络的音视频交需求。