粗LVQ神经网络的垃圾邮件过滤

结合粗糙集理论和LVQ神经网络的优点,提出了粗LVQ神经网络的垃圾邮件过滤模型。利用属性重要性启发式约简算法对邮件特征项进行约简,再利用LVQ网络模式分类能力进行垃圾邮件过滤。实验结果显示,提出的模型与单纯的粗糙集和LVQ网络相比,具有容错和抗干扰能力,减小了神经网络结构的复杂性,缩短了训练时间,提高了垃圾邮件过滤的准确率。

P2P环境下基于信任的多维计算机取证模型研究

为了促使P2P网络向良性的方向发展,针对目前网络中存在的常见安全问题,进行了P2P网络环境下的多维计算机取证模型研究。在模型的取证阶段,通过选取合适的信任信息存储机制和档案节点数据结构,结合基于聚类的推荐信任评估方法,实现了原始数据和证据数据的获取,以及部分取证策略库的制定。