BiLSTM在JavaScript恶意代码检测中的应用

传统的机器学习方法在检测JavaScript恶意代码时,存在提取特征过程复杂、计算量大、代码被恶意混淆导致难以检测的问题,不利于当前JavaScript恶意代码检测准确性和实时性的要求.基于此,提出一种基于双向长短时神经网络(BiLSTM)的JavaScript恶意代码检测方法.首先,将得到的样本数据经过代码反混淆,数据分词,代码向量化后得到适应于神经网络输入的标准化数据.其次,利用BiLSTM算法对向量化数据进行训练,学习JavaScript恶意代码的抽象特征.最后,利用学习到的特征对代码进行分类.将本文方法与深度学习方法和主流机器学习方法进行比较,结果表明该方法具有较高的准确率和较低的误报率.

基于VML的矢量图形动态生成过程的研究

Web数据库应用系统中,有时需要有一些统计数据图形给用户传达准确、直观的数据信息。利用HTML来添加图形的传统做法,由于受存储形式限制,其下载速度慢,且不能进行放大、缩小等功能。单纯采用HTML不能很好地表示矢量图形,不能解决这方面的问题。采用VML能够为这一问题提供合理的解决方案。利用VML结合ASP访问数据库,动态生成客户端脚本,绘制出矢量图形。结果表明采用这种方式能够充分发挥ASP的优势,并能表示出形象生动、可放大缩小而不影响图像质量的矢量图形。最后结合一个实例,绘制了数据项统计比较走势图,具有较强的表现力。充分表明采用VML绘制矢量图形具有极大的优势。

电网故障信息系统中可伸缩向量图形系统的设计与实现

以电网故障信息系统为基础,提出以应用为驱动的可伸缩向量图形(scalable vector graphics,SVG)系统的设计方法,探讨了SVG图形系统、Java脚本(Java script,JS)系统、应用系统、数据库、通信系统之间的相互关系。对基于SVG的电网地理接线图和变电站一次接线图进行功能分析,提出实现构架。采用JS自动生成的方法,降低了应用和维护的难度。

XSS漏洞研究综述

跨站脚本(cross-site scripting,XSS)是一种常见的针对Web应用程序安全漏洞的攻击.恶意用户利用漏洞将恶意脚本注入网页之中,当用户浏览该网页时,便会触发脚本,导致攻击行为发生.由于HTML编码方案的高度灵活性,攻击者可通过多种方法绕过输入验证过滤器,导致XSS难以被发现和预防.为了有效减少XSS造成的危害损失,依照XSS的分类,对反射型XSS、存储型XSS和基于DOM的XSS特征及原理进行了细致的分析和对比,并对数量庞大、形态各异的XSS攻击向量进行归纳和梳理,通过举例对C∞kie窃取、会话劫持、钓鱼欺骗等XSS常见利用方式进行说明,并对常用的XSS防御手段进行整理,最后对静态分析、动态分析、机器学习等主流的XSS漏洞自动化检测方法进行总结.

ArcGIS ModelBuilder模型设计方法在影像解译中的应用

在影像解译的工作过程中,需要对大量的栅格和矢量数据进行处理,绝大部分的数据处理工作是一种流程化的重复操作。ModelBuilder是一个ArcGIS平台下一个用来创建、编辑和管理模型的应用程序。文中利用ModelBuilder快速地构建模型,模型根据设定的程序自动处理数据,在一定程度上提高影像解译工作的效率,保证最终成果质量。

基于高斯衍生滤波器组的文种识别算法

提出了一种基于高斯衍生滤波器组的文种识别算法;分析了文本图像的纹理特性,相对于传统的小波变换,本文算法可以在更多方向上提取文字的边缘和脊特征。采用支持向量机(Support vector machine,SVM)对所提特征进行训练和分类,实现文字种类识别;在实验中选用中、英、俄、日、韩、阿拉伯等10种不同语言文字文本图像,测试了滤波器的不同参数对算法性能的影响,并与其他3种基于纹理的文种识别算法进行了比较,实验结果表明本文算法运算速度较快,且得到较好的识别率。

基本图像特征用于文本图像文种识别

为了解决现有方法在运算速度和识别效果上的矛盾,该文将基本图像特征用于文本图像文种识别.按照纹理分析结构方法的观点,将纹理基元划分为7种类型,提取描述文本图像纹理基元构成以及其空间位置关系的特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别.实验选用有质量退化的中、英、俄、日、韩、阿拉伯等10种不同语言文字的文本图像,结果表明该算法运算速度快,有较高的识别准确率,并对图像质量退化有较好的鲁棒性.

基于文字笔画方向直方图的文本图像文种识别

针对文本图像文种识别中特征提取速度和识别精度之间的矛盾,提出了一种基于文字笔画方向直方图的文种识别方法,利用笔画方向直方图对不同文种文字的笔画方向分布差异进行描述并提取特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别。在实验中选用有质量退化的中、英、俄、日、韩、阿拉伯等10种不同语言文字文本图像。实验结果表明,本方法运算速度快,有较高的识别准确率并对图像质量退化有较好鲁棒性。

支持向量机应用概述

该文分别从人脸检测、文字/手写体识别、图像处理及其他应用研究等方面对SVM的应用研究进行了概述。

跨站脚本漏洞渗透测试技术

为提升跨站脚本(XSS)漏洞检测方法的检测效果,本文提出了基于隐马尔科夫模型(HMM)的攻击向量动态生成和优化方法。采用决策树模型和代码混淆策略对攻击向量进行分类和变形,获得测试用攻击向量。使用注入点去重处理和探子技术去除一部分不存在XSS漏洞的Web页面,避免重复检测不同Web页面中相同的漏洞注入点,减少测试阶段与Web服务器的交互次数;进一步采用XPath路径定位技术提高漏洞检测结果分析的效率。对比实验结果表明,本文提出的方法降低了响应时间和漏报率,提高了检测效率。

基于SVM的Web攻击检测技术

针对各种变形Web攻击难以检测的问题,分析SQL注入和跨站攻击特征的选择和提取的一般方法,利用人工挑选和数学统计概括出6个特征,将原始攻击载荷转换成固定维数的特征向量,标记特征选择和提取后的样本数据,进行支持向量机算法的训练和分类。借助机器学习工具Weka验证了该检测方案的可行性。

基于FLASH的课件缩放动画技术研究

在教学课件中显示内容复杂的工程图时,使用常规的图片粘贴无法实现满意效果,采用Flash脚本语言程序配合矢量图形,就可实现无级缩放图形效果,通过鼠标与键盘可以随意缩放与移动图形,对教学工作起到较好的辅助工作。

基于哈希树和有限状态机的XSS检测模型

目前对于跨站脚本(XSS)攻击缺乏有效的防御措施。针对该问题,提出一种基于哈希树的多模式匹配模型,以快速检测XSS攻击。将质数分辨定理作为哈希散列函数的基础,对特征值进行编码,使其成为特征节点进行动态增减,以构建哈希树,并结合改进的确定性有限状态机算法提取多模式相似度攻击向量,实现多模式匹配的快速检测。实验结果表明,该模型的检测准确率较高,漏报率和误报率较低,能满足大范围XSS脚本攻击的防范要求。

Flash CS5坐标体系结构研究

利用一些简单实例来验证Flash CS5坐标系统的坐标原点、坐标轴方向以及坐标参照点三个方面的问题,以便对Flash CS5坐标系统有一个全面、清晰的认知,方便利用它对对象进行精确定位和脚本控制。

基于HOG特征提取和支持向量机的东巴文识别

东巴文是我国少数民族纳西族的文字,是世界上唯一存活的象形文字,目前正面临传承困难.研究通过机器学习进行东巴文的自动识别.利用扫描方式将东巴文字转换为数字图像,对灰度图像平滑去噪并用边缘检测算子提取文字轮廓,采用方向梯度直方图(Histogram of Oriented Gradient,HOG)提取特征向量,将提取到的特征向量输入支持向量机(Support Vector Machine,SVM)进行图像分类,从而实现东巴文的自动识别.经自建数据集测试,在相同实验条件下,SVM比K最近邻分类器、随机森林分类器的识别率更高,达到97.42%,而且识别过程简单、快速,对东巴文的传承与保护有重要的现实意义.

用户图形化矢量字库在电力MIS中的实现及应用

电力MIS中有许多系统需要对复杂的图形对象进行显示和管理,采用用户图形化矢量字库可以带来极大的方便。针对电力MIS中配电网地理信息系统和调度实时系统,介绍了电力调度一次接线图矢量字库和电力配网矢量字库的实现及其在电力MIS系统开发中的应用。

基于模糊测试的反射型跨站脚本漏洞检测

针对目前现代万维网(WWW)应用程序中跨站脚本(XSS)漏洞检测技术存在的效率低,以及漏报率、误报率高等问题,提出了一个基于模糊测试的反射型XSS漏洞检测系统。首先,通过网络爬虫技术爬取整站指定深度的网页链接并对其进行分析,从而提取出潜在的用户注入点;其次,根据攻击载荷的语法形式构造模糊测试用例,并为每个元素设置初始权重,依据注入探子向量来获取输出点类型,从而选择对应的攻击语法模式来构造较有潜力的攻击载荷,并对其进行变异操作以形成变异攻击载荷来作为请求参数;然后,对网站响应进行分析,并调整元素的权重,以便生成更加高效的攻击载荷;最后,将该系统与ZAP、Wapiti系统做横向对比。实验结果表明,所提系统能够发现的潜在用户注入点数提升了12.5%,漏洞误报率下降至0.37%,漏报率低于2.23%;同时减少了请求次数,节约了检测时间。

浅析圆周文字的实现过程

讨论了AutoCAD中圆周矢量文字排列快速实现过程 ,圆周文字Lisp语言实现方法的改进及文件的转换方式的实现。

一种自动化的跨站脚本漏洞发现模型

跨站脚本攻击给Web应用带来严重的威胁,在应用发布之前,对其进行检测能够有效地降低漏洞风险。针对现有跨站脚本在动态检测中存在漏报误报的问题,提出一种动态检测方法。基于攻击向量基本侯选元素库和初始攻击向量种子库,在检测过程中自动生成符合输出点类型的有效攻击向量,根据当前时刻的检测结果,自适应调整攻击向量优先级,待所有注入点攻击完毕,重新二次遍历整个站点检验待发现的漏洞。实验结果表明,与APPScan、WVS相比,该方法能发现更多漏洞。

基于支持向量机的跨站脚本漏洞检测系统设计

针对传统漏洞检测系统运行时间过长的问题,笔者设计基于支持向量机的跨站脚本漏洞检测系统.硬件部分采用模拟量集成的采集板作为处理板结构,组建检测处理板,外部拓展串行接口,控制硬件结构产生的负载,构建跨站数据采集电路.软件部分利用支持向量机设定爬虫算法,转换跨站访问的请求路径为周期表单数据,在SSIS内置软件功能的支持下完成检测系统设计。实验结果表明:所设计的检测系统漏检耗时较少.