基于文本深度聚类的意见领袖识别模型研究

网络舆情事件所引发的犯罪呈高发态势,而传统意见领袖识别方法通常基于用户信息、转发、评论数等元数据,忽略了网络结构和文本内容等关键信息,缺乏意见领袖观点,容易导致结果偏差。针对上述问题,提出结合语义聚类的意见领袖识别模型,通过BERT-LDA&DEC算法对用户文本进行聚类,根据不同子话题对意见领袖进行分组,提取关键词,通过将分组后的用户从网络拓扑、个人属性、活跃度三个方面建立指标体系,使用熵权灰色关联法对用户指标进行评价,最后结合聚类关键词进行综合分析。实验证明,该方法可以有效识别微博话题中不同子话题中的意见领袖及其观点。

智能门锁的电子数据检验方法研究

智能门锁给用户带来便捷性体验的同时,其安全性问题不容忽视,也为电子数据检验带来新的挑战。现有智能门锁的检验缺乏统一的检验流程和标准,因此亟需对智能门锁的电子数据检验方法进行研究。构建了智能门锁电子数据检验模型,进而实现智能门锁电子数据检验过程规范化。同时对智能门锁芯片、网关、控制端APP、路由器及云服务端等重要数据来源进行研究,以完善智能门锁的检验方法,为公安办案人员及时、高效地开展涉智能门锁案件的电子数据检验提供支撑与借鉴。

基于视觉注意力网络的恶意加密流量检测

近年来,以恶意加密流量为主要手段的网络违法犯罪活动层出不穷,从加密流量中检测出恶意流量能够有效发现网络攻击行为并确认恶意流量种类,对公安机关防御、鉴别、打击攻击类网络犯罪活动具有应用价值。针对传统检测方法流量呈现不直观以及忽略图像局部信息和长距离依赖等问题,提出一种基于视觉注意力网络的恶意加密流量检测模型。模型将流量转化为图像直观反映出流量的二维结构,再输入视觉注意力网络进行特征的提取和流量分类。实验结果表明,模型在恶意加密流量上的检测精度和区分度较高,可有效提高公安机关打击网络攻击行为的效率。

电子通讯设备的可靠性判断

随着科学技术日新月异的发展,电子通讯产业发展势头非常迅猛,电子通讯设备已成为人们学习、工作和生活中不可缺少的一部分。除了对产品价格、类型和功能有更高的要求,人们也越来越重视其可靠性。可靠性归属于质量范畴,电子通讯设备可靠性的提高,能够满足消费者需求,提升品质,推动技术的发展,对于电子通讯设备制造业有着积极的影响。

MicroRNA对周围神经损伤施万细胞调控的研究进展

施万细胞(Schwann cells,SCs)证实能够促进周围神经损伤修复,但目前对其潜在的分子机制知之甚少。MicroRNA(miRNA)是一种短的非编码RNA,已被证明在神经系统疾病中发挥重要作用。大量研究发现miRNA通过调控SCs的迁移和增殖来促进周围神经系统损伤修复。因此,周围神经损伤中表达的miRNA可为周围神经损伤修复提供潜在的治疗靶点。在这篇综述中我们总结了miRNA对周围神经损伤施万细胞调控的研究进展。

基于贝叶斯优化LightGBM的物联网入侵检测模型

为了解决物联网的入侵检测分类不准确问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合贝叶斯优化思想,对其参数进行优化后,进行分类预测。为验证优化后的模型适用性,以新南威尔士大学开发的TON_Io T_Network数据集为例进行分析,并与随机森林、朴素贝叶斯和K近邻等预测结果进行比较。结果表明,该模型准确率和误报率等指标均优于其他方法,检测时间也要短于其他模型,验证了该模型的可行性及优越性,可以有效提升物联网的使用安全。