代码相似性检测技术综述

代码复用为软件开发带来便利的同时也引入了安全风险,如加速漏洞传播、代码恶意抄袭等,代码相似性检测技术通过分析代码间词法、语法、语义等信息计算代码相似程度,是判断代码复用最有效的技术之一,也是近年发展较快的程序安全分析技术。首先,系统梳理代码相似性检测的近期技术进展,根据目标代码是否开源,将代码相似性检测技术分为源码相似性检测和二进制代码相似性检测,又根据编程语言、指令集的不同进行二次细分;其次,总结每一种技术的思路和研究成果,分析机器学习技术在代码相似性检测领域成功的案例,并讨论现有技术的优势与不足;最后,给出代码相似性检测技术的发展趋势,为相关研究人员提供参考。

基于TFER及退化趋势相似性分析的轴承剩余使用寿命预测

为了解决传统退化指标对轴承退化起始点的敏感性差,以及退化指标趋势偏移导致无法准确预测风力机轴承剩余使用寿命(RUL)的问题,提出了一种基于Teager能量算子-故障能量比(TFER)与退化趋势(DT)相似性检测相结合的双指数轴承RUL预测方法。首先,通过计算原始信号的TFER值,根据4σ原则确定轴承退化起始点,提取了TFER值趋势特征作为退化指标;然后,采用历史TFER值拟合双指数退化模型,通过分析最新TFER值与拟合曲线的相似性,选取了最佳DT段;最后,通过外推相似性最佳的DT段至失效阈值,进行了风力机轴承RUL预测。实验结果表明:该预测方法对退化起始时间点的检测精度达到98%,与原始指数模型、长短期记忆神经网络(LSTM)以及支持向量回归(SVR)相比,该方法在轴承RUL预测精度上分别提高了10.04%、6.29%、5.22%。该方法不仅提升了风力机轴承的预测性维护精度,还对降低运营成本和提高维护效率提供了有力支撑。

基于新能源-负荷相似性的源荷储协调调峰优化调度

合理利用可调节负荷的响应特性来实现源荷储的协调调度,可有效缓解新能源、负荷的不确定性所带来的调峰压力。基于新能源-负荷(NER-L)相似性,建立可调节负荷响应目标。基于相关系数,建立能准确刻画负荷对新能源出力跟踪匹配程度的NER-L相似性指标,并将指标引入所建源荷储协调调峰的双阶段优化调度模型。第一阶段模型以NER-L相关系数最大为目标,确定可调节负荷在各时段的响应功率并获得最优电网负荷;第二阶段模型以弃风弃光量最小、调峰运行成本最低为目标,优化火电机组及储能出力。以IEEE 30节点系统为例,对NER-L相似性、净负荷峰谷差、系统调峰运行经济性及新能源弃电功率进行计算分析,结果验证了所提模型的有效性。

基于三维空间面积划分的轨迹相似性度量算法

针对大部分轨迹相似性度量算法无法区分方向相反轨迹的问题,提出了一种基于三维空间面积划分的三维三角分割(3TD)算法。首先,按照3TD算法的时间转换规则将轨迹集的绝对时间序列转变为相对时间序列;然后,在由经度、纬度以及时间三要素构成的三维空间坐标系中,通过划分规则将轨迹间面积分割成若干互不重叠的三角形,累加三角形面积并计算轨迹相似度;最后,在从船舶自动识别系统(AIS)收集的随机采样轨迹数据集上,与最长公共子序列(LCSS)算法和三角分割(TD)算法等进行了对比实验。实验结果表明:3TD算法对实验数据集中异向轨迹识别精确度达到100%;同时该算法面对海量数据集以及轨迹点部分缺失的数据集时,也能维持准确的度量结果以及较高的运算效率,能更好地适应异向轨迹相似度量工作。

模糊超图相似性测度及其在决策中的应用

相似性度量在模糊环境中起着重要作用。通过距离测度进行相似性判断的方法通常利用两个模糊系统间的欧几里得距离,明科夫斯基距离和曼哈顿距离进行测度。引入一种新的基于欧几里得距离求解模糊集距离相似性测度的方法,通过分析将此方法推广至模糊超图。并提出了三种与模糊集和模糊超图相关的算法。使用此算法可以应对不同类型的决策分析。为了检验上述方法的效率与可靠性,利用多个实例进行验证,证明了所提出新的距离相似性测度方法的合理性和有效性。

基于流域日降水量图的相似性搜索方法

为了提升降水量图相似性分析的精确度,提出了一种基于流域日降水量图的相似性搜索方法,该方法从降雨图像中提取日降水量、降雨空间分布和降雨中心特征,并分别计算各特征的相似距离,同时通过提出的归一化折旧累积增益改进粒子群优化的集合加权方法对3个特征的相似距离进行加权融合,作为降雨图像的相似性度量。嘉陵江流域实例验证表明:该方法能够更好地表征降水量图的时空特征,可快速地从降水量图中检索出相似的降雨过程。

海南鹦哥岭热带山地雨林不同海拔植物群落结构与相似性分析

热带山地雨林是热带雨林中重要的森林植被类型之一,是维持区域生态安全和保护生物多样的重要保障。为研究海拔和坡向对热带山地雨林群落结构与相似性的影响,选取鹦哥岭自然保护区南、北坡向不同海拔的热带山地雨林内设置的8个50 × 50 m的固定样方,对比研究不同海拔和坡向乔木植物群落的优势种组成、物种多样性及相似性。结果表明:样地植物群落物种丰富,共61科146属246种,壳斗科、山茶科、大戟科和樟科为主要优势科,各样地优势科、属、种的海拔梯度变化具有异质性。样地植被物种丰富度和物种多样性随海拔的升高呈现先升高后降低的变化规律,分别符合“中峰分布”格局和“中间高度膨胀”学说。不同坡向对应海拔的植物群落多样性存在差异,主要受水热、地形等复杂多变的环境因子影响。不同海拔样地间的植物群落结构差异大,群落相似性为极不相似水平。海拔梯度影响植物群落科、属的分布型;科的泛热带分布占绝对优势,属的泛热带、热带亚洲和北温带分布比例较高。因此,对热带山地雨林开展长期的森林动态监测,将有助于深入了解该类型雨林的群落构建规律以及物种多样性维持机制。

基于节点相似性的二阶链路预测方法

复杂网络中基于节点相似性的链路预测算法通常根据两个节点之间的相似度,预测节点对之间是否存在链路。提出基于节点相似性的二阶链路预测方法,判别节点对之间是否存在未连接的节点,并补全节点对之间的二阶链路。同时,提出二阶链路预测指标,计算已知节点与其他并不存在链路的节点之间的相似性,并构建二阶可达网络保留原始网络中的二阶链路信息。实验结果表明,该方法能够在真实的网络数据中找到节点对之间的缺失节点,并补全可能存在的二阶链路。不同的链路预测指标在4个不同网络中的性能表现有所不同,所有实验中的最佳精确率达83.7%。

文本指纹在旋律相似性检测中的应用研究

旋律抄袭是一个严重的问题,实现音乐旋律的相似性检测对于整治音乐抄袭具有极其重要的作用。为有效识别旋律抄袭,本文提出一种基于文本指纹的旋律相似性检测方案。该方法通过将音乐旋律转换为文本,使用N-gram算法对长旋律片段进行分片并进行哈希编码,通过MinHash算法生成文本指纹,最后使用LSH算法进行快速相似性检索,实现旋律之间的高效匹配。实验结果表明,该方案的相似性识别的平均准确率达到90%以上,能够有效识别存在剽窃行为的音乐旋律。

基于结构相似性的并联机构拓扑与尺寸同步设计方法

随着并联机构从单一尺寸设计和拓扑设计向两者融合方向不断发展,基于拓扑叠加-再惩罚和全变量正交设计-再拓扑的同步设计方法得到广泛应用,但两者存在设计效率低等不足。为解决上述问题,本文提出了一种基于结构相似性的并联机构拓扑与尺寸同步设计方法,该方法拓扑优化时以相同质量保留此条件下尺寸参数小范围变化对拓扑结构微弱影响为切入点,通过拓扑结构参数化缩放和刚度-质量元模型构建,形成并联机构尺寸-拓扑同步高效设计流程。以典型■RS并联机构为例开展算例验证与对比分析,结果表明,相同质量条件下,所提设计方法比尺寸设计方法得到的各向刚度更高,即拓扑优化使RS连杆的材料分布更加合理。

基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。

基于LDA-BERT相似性测度模型的文本主题演化研究

文章针对LDA主题模型在提取文本主题时忽略文本语义关联的问题,提出基于LDA-BERT的相似性测度模型:首先,结合利用TF-IDF和TextRank方法提取文本特征词,利用LDA主题模型挖掘文本主题;其次,通过嵌入BERT模型,结合LDA主题模型构建的主题-主题词概率分布,从词粒度层面表示主题向量;最后,利用余弦相似度算法计算主题之间的相似度。在相似性测度模型基础上构建向量相似度指标分析文献研究主题之间的关联,并绘制主题演化知识图谱。通过智慧图书馆领域的实证研究发现,使用LDA-BERT模型计算出的主题相似度结果相较于LDA主题模型的计算结果更加准确,与实际情况更相符。

M-SWF域红外与可见光图像结构相似性融合

为了解决常规滤波器组在红外与可见光图像融合领域中存在提取结构信息不充分和融合视觉效果不佳的问题,本文提出了一种基于多尺度滑动窗口滤波器(Multi-scale Sliding Window Filter,M-SWF)图像融合方法。首先,提出一种基于SWF的多尺度图像分解方法实现对源图像的结构细节层和基础层提取;其次,采用L1范数融合规则(L1-Fusion,L1F)整合结构细节层,提取图像的结构信息;然后,利用一种图像能量贡献融合规则(Energy Attribute-Fusion,EAF)整合基础层,突出显著性目标;最后,融合图像通过叠加整合后的多尺度结构细节层和基础层得到。实验首先通过分析能量贡献系数,从主客观方面得到M-SWF域内红外与可见光图像融合较为适宜的能量贡献系数;其次,在该取值下,本文提出的M-SWF融合模型与其他的融合方法相比,不仅提高了对源图像结构信息的提取能力,而且通过整合图像的能量属性,改善了融合效果不佳问题,有效地突出了显著性目标。

面向新词义原推荐的相似性判别方法

义原(Sememe)是构成《知网》(HowNet)概念描述的核心部件,新词概念描述义原的推荐是HowNet自动或半自动扩展中涉及的关键问题。面向新词义原推荐,该文提出一种融合义原注意力的预训练语言模型优化方法——SaBERT。在判别新词与HowNet词表词之间的语义相似性的过程中,该方法利用词表词已知概念描述义原序列的注意力分布,以相似性同构为目标,对基于BERT+CNN的相似性判别模型进行优化,从而为义原推荐任务提供相似概念集合。实验结果表明,采用SaBERT可以有效解决未登录词与词表词的相似性判别问题,准确率、召回率、F1值分别达到0.8314、0.8007和0.8158。在基于协同过滤框架的义原推荐任务上进行的实验表明,相似性同构程度与义原推荐效果正相关,说明该文方法能够有效解决候选义原选择问题。

五强溪流域相似性研究及参数移植分析

在PUB计划的引领下,流域相似性研究得到了进一步发展。为探究相似流域参数移植的可行性,结合DEM及土地利用等数据,选取多个表征水文特征的相似性指标,通过相对均方根误差法和层次聚类法判别五强溪内10个流域相似关系,将相似的流域参数移植并进行洪水预报。结果表明,陶伊和五强溪近坝区流域坡度分布相对均方根误差值为0.44、地形指数相对均方根误差为0.25,且层次聚类法计算的两个流域距离系数为0.11,水文特征最为相似。将陶伊流域部分参数移植到五强溪近坝区流域,通过新安江模型进行洪水预报,取得了较好的洪水模拟结果。

基于高阶信息的网络相似性比较方法

量化复杂网络之间的结构相似性是网络科学中一个基本且具有挑战性的问题,在医学、社会学等多个领域发挥了至关重要的作用.传统的网络比较方法通常基于简单的结构特征,例如节点度分布、最短路径长度等,这些方法可能无法充分捕捉网络的全局结构信息,导致得到的网络相似性不精准.本文提出了一种基于高阶信息的网络相似性比较方法,该方法同时考虑了网络的全局结构和局部结构.具体而言,通过构建网络节点的高阶聚类系数分布和节点间距离分布,并利用基于这两个分布的Jensen-Shannon散度来量化网络之间的相似性.实验结果表明,相较于其他基线方法,本文提出的方法不仅能高效地比较不同网络的相似性,且在对真实网络进行扰动的过程中也表现出鲁棒性.

产品相似性、目标公司选择与并购创新绩效

通过并购整合外部资源、提升创新绩效是企业获取竞争优势的重要手段。揭示了产品相似性在并购决策、整合阶段的作用,指出产品相似性一方面缓解了主并双方的信息不对称问题,有利于主并公司挑选合适的目标公司,另一方面促进了并购后的深度整合,进而提升了主并公司的创新绩效。使用2009—2019年中国A股制造业上市公司样本,根据文本分析方法测算出主并双方的产品相似性数值,采用条件Logit模型和负二项回归模型进行了实证分析。回归结果显示:(1)与主并公司存在产品相似性关系的企业成为目标公司的可能性更大;(2)并购后,产品相似性会提高主并方的创新绩效;(3)产品相似性主要通过“知识吸收效应”“融资约束平滑效应”和“市场压力对冲效应”三个渠道提高了主并方的创新绩效。

基于轮廓点相似性测度的2D-3D医学图像配准算法

针对传统配准算法无法适用于成像模糊、对比度低的X光医学图像的问题,本文提出一种基于轮廓点相似性测度的配准技术.首先引入分块双阈值增强策略来提取DRR图像和X光图像的边缘轮廓信息;其次,采用高斯加权欧氏距离计算图像轮廓的相似度;最后通过平衡优化器算法进行迭代优化,得到最优的位姿参数.实验结果表明:本文算法能够精确提取模糊X光图像的边缘轮廓信息,而且可以准确评估其与CT数据的相似度,平均配准成功率超过94%,算法效率和鲁棒性优于传统算法,可用于医疗诊断、放射疗法、图像引导手术等医学活动.

基于双重相似性与自适应风险权重配置的配电网运行风险识别

配电网的运行风险识别对应急供电、电力系统运行维护、扩容等具有重要指导意义。由于配电网运行条件复杂、数据测量不充分、数据无标记和数据不平衡等问题,给传统的基于逻辑判断的配电网风险识别方法带来了挑战。文章从线路侧跳闸预警、营销侧宏观预测两方面着手,提出了一种综合识别配电网运行态势的风险识别框架。首先设计了一种基于双重相似性机制的配电跳闸风险识别方法,通过基于K-means的矩阵剖面(matrix profile)重构运行模式并衡量运行模式的相似性,基于时序高分辨率连续测量的优势进行风险识别;同时,提出了一种基于权重自适应配置的配电营销宏观预测算法。以中国某南方城市地区配电网的生产数据为基础,对各种风险事件进行了预测与识别,验证了算法的效果优于传统的配电网风险识别方法。

多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法

针对现有阈值分割方法中存在的分割精确性和分割适应性欠佳等问题,提出一种多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法。该方法首先运用各向异性高斯一阶导卷积核对输入图像进行多方向卷积运算和多尺度乘积变换,得到四个方向下的具有单峰直方图模态的四幅参考图像;然后通过二值轮廓图像对四幅参考图像进行采样构建对应的直觉模糊集;最后运用多向加权策略,将不同方向的四个直觉模糊集融合以构建相似性目标函数,并以该目标函数取最大值时对应的灰度值作为分割阈值。提出的方法与5种新近的分割方法进行了全面比较,在8幅合成图像和88幅真实世界图像上的实验结果表明:提出的方法具有更高的分割精确性和更灵活的分割适应性,在合成图像和真实世界图像上的平均马修斯相关系数方面分别达到了0.998和0.964,相较于分割精度第2的方法分别提高了39.90%和26.22%。