利用BP神经网络分析检测网络时序型隐信道

提出一种基于BP神经网络模型的网络时序型隐信道检测方法.该方法将已有检测方法对隐信道的识别能力和神经网络的特征学习能力相结合,克服了已有算法中单一阈值判定标准对于非线性分类场景中的局限性,使已有检测算法对于不同网络环境具有更强的适应性.本文首先简要介绍了目前已有的几种时序型隐信道和时序型隐信道检测算法的相关情况;然后给出基于BP神经网络的时序型隐信道检测模型的体系结构设计,详细介绍检测模型中BP神经网络部分的结构设计;最后,设计实验评估检测模型的性能.通过实验证明,借助于BP神经网络模型擅长处理非线性分类问题的特点,本文提出的检测方法具有检测率高、对于不同网络环境的适应能力强、具有一定的智能和学习能力的优点.

基于函数指纹的违法APK检测

本文提出了一种基于函数指纹的违法APK检测模型。该模型使用APK的函数指纹完成特征向量的筛选和构建。然后引入随机森林算法对违法APK的特征进行学习分类。实验结果表明,该模型对常见的违法APK有较好的识别效果,其分类识别的准确率高达92%。