基于敏感语义关联的代码切片及应用研究

利用程序的可伸缩性对程序进行代码切片,识别出受敏感变量影响的关键语句,消除噪声并挖掘程序内部依赖,用以检测代码的漏洞与缺陷。针对切片对依赖过于敏感的问题,提出一种基于敏感语义关联的代码过程间切片方法,提取表征敏感信息的有效语句,捕获语义依赖关联,将代码漏洞触发点转化为上下文敏感的缺陷依赖流,并基于约束规则提升切片效率,结合缺陷约束获取代码漏洞的异常来源。实验结果表明:该方法在代码切片的效率、质量以及漏洞检测的精度上有较好的表现。

一种结合神经网络和敏感位置语义的轨迹隐私保护方法

目前,现有的轨迹隐私保护工作大多数考虑的是敏感位置或敏感区域,未能考虑到敏感位置语义且未能精准的描述出位置语义的敏感程度.针对此问题,本文提出了一个TP-SLS(A trajectory privacy protection method combining neural networks and sensitive location semantics)方法.首先,提出了敏感度感知算法,用于量化位置语义敏感度,实现“原子化”保护.其次,为了构建用户的敏感移动场景,建立了一个包含时空信息和位置语义敏感度的四元组并使用差分隐私进行干扰.同时,使用深度神经网络预测轨迹.最后,由于预测的轨迹存在废数据,提出了基于强化学习的优化轨迹算法,用于提高数据质量,完成轨迹数据发布.实验结果表明,TP-SLS方法在隐私保护强度和数据可用性两个方面优于现有的方案.

基于敏感语义和复合共现的网络敏感词典构建研究

【目的/意义】针对已有敏感词典存在规模小、敏感词分类不全等问题,提出基于敏感语义和复合共现的敏感词典构建策略。【方法/过程】首先,依据从多个社交平台搜集的敏感词构建初始词集,通过内容分析和类别标注将初始词集划分为基础敏感词典和候选敏感词集;其次,融合敏感先验概率、敏感语义相关性和复合共现获得敏感语义扩展词集;最后,依据定义的综合敏感度计算候选敏感词和敏感语义扩展词集的敏感度,实现对候选敏感词的筛选,完成扩展敏感词典的构建。【结果/结论】与已有的敏感词典相比,本文构建的扩展敏感词典在敏感信息识别的准确率、召回率和F1值上最高分别提升了17%、24%和22%。【创新/局限】从用于敏感信息识别的重要基础资源入手,构建了基础敏感词典,并通过综合敏感度筛选出有效的扩展词,实现对基础敏感词典的扩展。不足之处是词语敏感度的影响指标挖掘不够充分。

基于文本分类技术的中文纯文本聊天记录敏感词汇隐晦语义表达检测技术研究

针对中文纯文本聊天记录中可能存在的敏感词汇隐晦语义表达信息,本文提出的BERT-TextCNN-TextRNN模型充分地结合了BERT预训练模型、TextCNN模型与TextRNN模型三者的优势。BERT-TextCNN-TextRNN模型既可以很好地提取中文纯文本聊天记录中词汇与词汇之间的短距离局部关系特征,同时又能够很好地获取聊天记录文段中句子与句子之间的长距离全局关系特征与依赖信息,使得模型对中文纯文本聊天记录中可能存在的敏感词汇隐晦语义表达特征信息了解得更为充分而完善。

基于SSI-GuidedLDA模型的引导式网络敏感信息识别研究

[研究目的]引导式主题模型可以引导生成有倾向性的敏感主题,提高网络敏感信息识别性能,对维护国家安全和社会稳定具有重要意义。[研究方法]针对当前网络敏感信息识别研究构建敏感信息特征不全面和不准确,从而导致识别性能欠佳的问题,提出基于SSI-GuidedLDA模型的引导式网络敏感信息识别方法。首先,从多源网络资源中爬取敏感种子词,并基于词向量模型Word2Vec获得种子词的敏感语义相关词,构建更为完备、准确的敏感特征。其次,将构建的敏感特征融入引导式主题模型,得到改进后的模型SSI-GuidedLDA。最后,基于SSI-GuidedLDA模型获得待识别信息的主题分布,通过主题分布概率判断其是否为网络敏感信息。[研究结论]在新浪微博数据集上的实验结果显示,与已有方法相比,提出的方法在准确率、召回率和F 1值上均有一定提高。

模糊性与语义敏感性

在对模糊性现象的研究中,威廉姆森提出模糊语词的语义相对使用是敏感的。模糊语词的语义敏感性是认知主义的语义不可辨别观点的重要内容之一,在这个条件下,容错边际原则可以解释边界情形所导致的无知。然而,包括威廉姆森在内的认知主义者很少对模糊语词的语义敏感性进行辩护。这似乎暗示,模糊语词的语义敏感性是自明的。但由于边界情形的缓冲作用,这种自明性的说法站不住脚。不仅如此,通过进一步加深凯伊对语义不可辨别观点的批评,可以发现,模糊语词的语义敏感性应该被模糊语词的邻近语义稳定性所取代。