基于异质图属性增强的恶意软件变种检测方法

如今越来越多的攻击者通过修改恶意软件源码的方式逃避恶意软件检测,恶意软件变种在代码重用、编码风格、攻击行为等多方面的复杂关系为恶意软件分析带来了挑战.近年来,图神经网络凭借其在建模图结构数据,学习实体间复杂关系等方面的强大能力,已被广泛应用于恶意软件分类与检测任务之中,以建模恶意软件及其变种间复杂的关系,摆脱孤立分析困境.然而,现有方法一方面缺少对恶意软件及其变种间多维度复杂关系的全面表征,导致复杂关联关系未被充分挖掘及利用.另一方面仅关注恶意软件间的拓扑结构,忽略了实体语义信息,这导致攻击者极易通过对抗手段伪造特征从而逃过检测.此外,与恶意软件相关的Windows API、通信IP等实体自身匮乏的语义信息进一步阻碍了语义信息的提取和表示.因此,实现恶意软件间全面的关联关系与特征语义信息的融合对提升恶意软件变种检测的鲁棒性和准确性具有重要意义.为此,本文提出了一种基于异质图属性增强的恶意软件变种检测方法.首先,构建了一个恶意软件异质信息网络,以建模恶意软件及特征间的复杂关系;然后,通过恶意软件异质信息网络,将恶意软件变种检测问题转化为异质图中的节点分类问题,为实体节点构建语义属性来增强节点信息的表示;接下来,对于其中语义信息匮乏的实体节点,从外部开源数据中学习实体的语义信息来弥补自身的语义缺失;最后,本文以拓扑关系为指导,基于注意力机制聚合有属性节点信息以补全无属性节点,实现节点属性补全.遵循一种迭代优化方式,以交替式地优化补全过程与异质图节点嵌入过程,实现统一的基于异质图属性补全的恶意软件变种检测方法.实验结果表明,本文提出的方法能够有效提升恶意软件变种检测的性能,在多个数据集下优于其他最先进的模型.

基于信息量的一种属性约简算法

提出了决策属性集相对于条件属性集的条件信息量的概念,证明了其在属性约简过程中的变化规律是单调递减的,并提出了一种新的属性约简启发式算法,该算法的时间复杂度为O(C3U2).通过例子分析,表明该算法是有效的.

基于概念格外延信息量的属性约简算法

概念格是知识处理与分析的一个有力的工具,在知识约简和数据挖掘方面有着重要的利用。首先给出了概念格外延信息量的概念,在此基础上研究了合理刻画属性重要性的指标,并给出了概念格核心属性的判定定理,然后以这些指标作为启发式信息设计了一种新颖的概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。

一种基于优势粗糙集的多属性决策排序方法

多属性决策问题的实质是利用已有的决策信息,通过一定方式对备选对象进行分析、排序、择优和评价,以找到一种简捷方便的排序方法.运用优势粗糙集理论对决策对象进行详细的分析,在此基础上,针对多属性决策排序结果中"并列"决策现象的存在,将基于信息量的属性重要性度量引入到优势度排序方法中,进一步细化排序结果.最后通过与其他排序方法在具体算例中的对比分析,验证了该方法的合理性、有效性.

基于粗集的不完备信息系统属性约简

属性约简是粗集理论研究的核心内容之一。经典粗集理论是建立在完备信息基础之上的 ,然而在现实中 ,不完备信息系统的广泛存在极大地限制了粗集理论向实用化迈进。该文基于相容关系 ,将分布约简、最大分布约简、分配约简引入不完备信息系统 ,提出了一种新的约简———分配序约简 ,并讨论了几种约简之间的关系。给出了分配约简的一种启发式算法 :条件信息量约简算法 ,分析了该算法的时间复杂度。经实验检验 ,该算法是有效的。

信息量不完备决策表属性约简的一种新算法

目前,基于不完备决策表的属性约简研究较少。基于信息量的不完备决策表属性约简是一种新的属性约简。由于在该属性约简中,计算相容关系是最主要的计算,也比计算等价关系要难得多。基于信息量的不完备决策表的属性约简算法的时间复杂度一般为O(|C|3|U|2)。为降低其时间复杂度,首先分析了老算法的不足,然后给出了一个效率较好的计算相容类的算法。最后设计了一个新的基于信息量的不完备决策表的属性约简算法,其时间复杂度为O(|C|2|U|2)。

水产品安全评估体系中属性约简算法研究

针对水产品安全评估体系中评估指标的复杂和冗余问题,提出一种混合信息量的属性约简算法。该算法采用正域和信息量相融合的方法,定义属性不重要性公式。为减少算法的搜索空间,只计算除核属性以外的样例属性不重要性。实例验证和分析结果表明,与启发信息为属性依赖性或属性频率的约简算法相比,该算法具有更好的属性约简效果,可以应用于水产品安全评估体系中评估指标的约简。

污染物总量控制的法律演进及趋势

总量控制作为一项环境法调控手段日益得到重视。该手段(作为科技手段)却具有独特的社会人文属性,包括生态容量性、时间跨度性、区域空间性。从历史发展角度看,通过对不同时期法律文件的规范性分析,可推演出该项政策法律的发展趋势:1.重要性日渐加强;控制范围却日渐缩小;2.监控对象由企业转向地方政府;3.实施路径从"经济激励"向"命令控制"演化。通过剖析总量控制的发展历程,可窥见总量控制长效机制研究的不完善不健全,同时也揭示了整个环境法的实施所存在的问题以及尚待加强之处。

决策表连续属性离散化的一种方法

提出了一种基于区间数据分布特征的决策表连续属性离散化的方法。方法在断点的选择上考虑了属性值的出现频率,在区间内的一致性和区间之间的差异性基础上,利用条件信息量作为反馈信息合并区间。通过实验分析表明了算法的有效性,能保持决策表较高的分类能力,提高约简效率。

粗糙集理论中知识粗糙性与属性重要性的信息度量(英文)

粗糙集理论是一种处理模糊和不确定性问题的新的数学方法。本文通过引入知识的信息量概念 。

决策表属性约简及其条件信息量表示

讨论了决策表属性约简和条件信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示下和信息论中条件信息量表示下是等价的。并举例说明,对于不一致决策表,其属性约简的代数表示不能用条件信息量来等价表示。论文还给出了一种基于条件信息量的属性约简启发式算法。

一种基于模糊粗糙集理论的算法及其在医学影像中的应用

提出一种基于模糊粗糙集理论的属性约简算法,并且应用于医学影像领域。通过辅助诊疗系统,比较了运用此算法前后的分类效果,得出运用此算法约简后的分类正确率明显提高,并且运算时间明显减少的结论。试验表明通过此算法约简掉的属性确实是影响分类效果的冗余属性。

一种粗糙集属性约简的改进算法

通过对属性的重要性以及属性提供的信息量进行研究,提出一种综合考虑属性重要性和属性的信息量的属性加权平均重要度的概念,并构造在决策表中的基于此重要度的一种新的属性约简方法。通过实例计算表明,该算法简单有效。

一种基于知识量的约简算法

提出一种新的属性约简算法,该算法基于粗糙集理论认为知识是区分事物的能力的观点,对知识进行了新的量化,并以量化后的区分能力作为启发式信息进行约简,提高了约简效率,理论分析与实例证明该算法是有效的.

基于条件信息量的动态属性约简方法

针对动态建立信息系统的需要,提出了一种动态求条件信息量的方法,在一个信息系统不断变化时,该算法不像静态约简时那样需要重新计算,而是利用新增的对象对原有的信息量进行修正,利用原有信息量的结果递归计算信息系统变化后的信息量,大大节省了计算量,提高了效率。通过一个实例表明,该算法利用较小的信息表就可以计算日益庞大信息表的信息量,分析表明该算法是正确有效的。

连续量信息表决策值的离散化方法

在用粗糙集理论解决连续系统的问题时,要求信息表必须是离散值.在对由连续量构成的信息表离散化时,首先要对决策属性的值域进行离散化。文中针对这一问题提出了3种确定离散化区间的方法,即经验分割法、等频分割法和等距分割法;又提出了2种求区间离散值的算法,即区间重心法和区间值平均法,并通过算例验证这些算法均是可行的,其中等距分割法中的区间值平均法效果最为满意。

基于条件分布信息量的不完备决策表属性约简

通过分析目前信息观下不完备信息系统属性约简,针对已提出的几种信息熵存在随着属性的增加系统分类能力减弱的不足,从条件属性确定的容差类在决策属性划分上的分布出发,给出不完备决策表的条件分布信息量的定义;同时,定义了新的属性重要度,并以此为启发信息设计属性约简算法。通过实验说明了该算法对不完备决策表属性约简是可行的。

基于粗糙集理论的条件属性动态约简算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息。条件属性约简是粗糙集理论算法研究的重点。在启发式条件属性约简算法的基础上提出了动态条件属性约简算法,算法以一个信息大的属性作为基础,不断添加条件属性,并对新增加的条件属性进行修正,找到约简条件属性,目的为了进行遥感数据的动态分类做基础。文中在VC++6.0开发环境下实现了两种算法,用HSV和Iris数据验证了算法的有效性,并分析了算法的时间和空间复杂度。

基于属性量-质特性转化及其定性映射的KDD模型

指出了若将规则看作是一种广义的特征 ,则从数据中挖掘规则 (或知识 ) ,可用属性量 -质特征转化的定性映射加以刻画 .根据特征定性可随定性基准而变的事实 ,并给出了一个高效、可增长、可重泛化的概念树生成算法 ,即EIGR算法 ,与传统的 KDD方法相比 ,该方法不仅更符合于人类思维 ,而且 。

差别矩阵HU属性约简的几种等价表示

对于一致决策表,现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简与分别代数约简是等价的,但对于不一致决策表,它们与代数约简并不等价。为此,针对不一致决策表,建立相对粒度与新条件信息熵、知识量和同可区分度之间的线性关系,从而得出结论:现有基于相对粒度、相对划分粒度、知识量和同可区分度的属性约简本质上仅与基于差别矩阵的HU属性约简等价,并通过设计一个不一致决策表验证该结论的正确性。