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。

智能体数字孪生人的形象——行为相似性对用户体验的影响研究

数字孪生人技术能够实现人类生理特征的数字化呈现,但是在社会传播和营销领域因其意识和自主语言行为处理能力的欠缺而导致无法对用户体验的提升产生有效作用。以ChatGPT为代表的大语言模型(LLM)已被研究证明具有强大的应用价值,AIGC赋能的智能体能够与数字孪生人深度融合,形成具有个性化自我意识和行为的数字化身新形态——智能体数字孪生人。智能体数字孪生人在个性化模型建构和生成式AI的技术支撑下,其形象和行为与人类的相似性将发生重大提升,不仅拥有人类的一系列内外特征,而且能够在与用户沟通的过程中实现从感官、交互到情感全流程的用户体验优化,构建新型人与智能体社交关系。

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。

一种基于属性相似性和分布结构连通性的聚类算法

聚类分析针对不同的数据特点采用不同的相似性度量,现实世界中数据分布复杂,存在分布无规律、密度不均匀等现象,单独考虑实例属性相似性或分布结构连通性会影响聚类效果。为此,提出了一种基于属性相似性和分布结构连通性的聚类算法(A Clustering Algorithm Based on Attribute Similarity and Distributed Structure Connectivity, ASDSC)。首先,利用待聚类数据集中的所有数据实例构建完全无向图,定义了一种兼顾属性相似和分布结构连通的新颖相似性度量方式,用于计算节点相似性,并构造邻接矩阵更新边的权重;其次,借助邻接矩阵执行递增步长的随机游走,依据顶点的连通中心性来识别簇中心并给定簇编号,同时获取其他顶点的连通性;然后,利用连通性计算顶点间的依赖关系,并据此进行簇编号的传播,直至完成聚类。最后,为了验证该方法的聚类性能,在16个合成数据集和10个真实数据集上与5种先进聚类算法进行了对比实验,ASDSC算法取得了优异性能。

基于时间序列相似性与机器学习方法的页岩气井产量预测

页岩气井单变量产量预测存在较强的不确定性,而现场生产动态数据同时包括多个相关指标,针对如何选取合理的多变量数据对页岩气井产量进行预测,在保证计算效率的情况下提高预测精度。页岩气井的生产动态数据集包括日产气量、日产水量、套压、油压、油嘴直径、开井时间和温度等,采用欧式距离和动态时间弯曲距离对生产动态数据时间序列进行相似性度量,依据与日产气量的相关度,把数据分为强相关时间序列和弱相关时间序列;其次,基于卷积神经网络、循环神经网络、长短期记忆网络和门控神经网络分别对全时间序列、强相关序列、弱相关序列和单变量序列进行页岩气井产量预测;最后,以平均绝对误差、均方根误差和决定系数作为评价指标,得到不同序列的误差由小到大排序为强相关序列、全时间序列、弱相关序列、单变量序列,优选的机器学习方法为门控神经网络和长短期记忆网络。结果表明,采用机器学习方法结合页岩气井强相关性序列(日产气量、套压、油压、日产水量)能有效降低预测误差,提高页岩气井产量预测效果。

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。

基于可微池化的层级图相似性学习

目前,大多数关于图相似性学习的工作仅考虑图级匹配或节点级匹配,忽略了多层级的粗图级匹配,为解决该问题提出一种可微池化层级图匹配网络(PHMN)模型。逐层将图的节点表示进行软聚类进而将源图转化为尺寸缩小的粗图;在图对上使用多角度多层级的跨图匹配层,获取匹配矩阵;由注意力机制将图对匹配矩阵转化为匹配向量后,传入LSTM模型和多层感知机进行相似度预测。该模型在图回归任务和图分类任务的对比实验中,分别取得8项最优表现和6项最优表现。

基于地理最优相似性的土壤重金属镉含量空间预测

以地理相似性定律为基础,利用野外采集的40个土壤样本数据,结合环境辅助变量构建地理最优相似性(GOS)模型,对研究区域重金属镉含量及其空间分布进行预测研究,并将预测结果与偏最小二乘回归(PLSR)、随机森林(RF)和通用克里格(UK)模型的结果进行对比分析。研究结果表明:研究区内土壤样本镉质量分数均值(0.432 mg/kg)比背景值大,接近中度污染水平(污染指数为2.18),区域土壤生态环境受到一定的威胁;GOS预测结果的决定系数为0.668,均方根误差和平均绝对误差分别为0.096和0.080,在4个预测模型中表现最佳;区域重金属Cd质量分数从东北部向西南部递减,高值分布于河流沿岸和人类活动密集区域,反映出人类活动是导致研究区内土壤重金属分异的主要因素。

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。

基于特征相似性和特征规范化的注意力模块

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

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。

基于作者研究相似性的CLC与IPC类目同现映射研究

期刊论文与专利文献间的知识流动展现了科学研究与技术创新的演进路线。对中国图书馆分类法(Chinese Library Classification,CLC)和国际专利分类法(International Patent Classification,IPC)进行类目映射分析,有助于打通论文资源与专利资源之间的壁垒,识别不同学科领域内论文与专利之间的科技发展特性。本文提出了一种将社会网络分析思想与同现映射相融合的映射方法:将同一作者且研究主题高度相关的论文与专利进行一对一组合作为单位数据,利用CLC与IPC同时对每个单位数据进行分类标注,结合类目相似度计算,对数据集的标注结果进行分析。最终,得到具有普适性的CLC与IPC类目间的一对一映射、一对多映射以及双向映射关系。

基于纹理先验的扩张残差注意力相似性去噪网络

目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注意力相似性模块提取图像的全局相似性特征,通过平均池化来平滑和抑制注意力相似性模块中的噪声,以进一步提高网络性能;其次使用扩张残差模块来提取图像的局部和全局特征;最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外,还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息,利用纹理信息作为先验知识,可在去噪过程中保留演化图像中的细节。实验结果表明,与一些先进的去噪网络相比,新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2 dB左右,结构相似性提高了3%左右,更有利于实际应用。

基于过滤冗余信息相似性的电影推荐算法

现有的基于内容相似性的推荐算法在处理文本内容时,往往忽略了词序和上下文信息的重要性,并且计算复杂度较高。因此,文章提出了一种基于过滤冗余信息相似性的启发式方法,并成功地将该方法应用于电影推荐领域,实现了更精准的推荐效果。与其他算法对比,该算法在预测1部电影时的准确率提升了0.07百分点~0.24百分点,在预测3部电影时的准确率提升了0.05百分点~0.30百分点。以该算法的召回率作为基准(设为100%),在预测1部电影时,其他算法的召回率仅为该算法的2.38%~70.24%;在预测3部电影时,其他算法的召回率仅为该算法的3.78%~84.87%。以上结果证明了该算法的有效性和可行性。

基于形状描述符的滞回曲线相似性指标的形成

为了形成全面的相似度指标以评价滞回曲线的拟合程度,引入了已广泛用于图像特征提取的形状描述符,并提出了基于这些描述符形成计算数值模拟曲线相对于实验曲线的相似度指标的具体流程.根据该流程,形成了一个基于形状上下文的相似度指标.先计算两曲线滞回圈之间的相似度,再对这些相似度进行加权组合,形成整个滞回环的相似度.为了验证该指标,采用Bouc-Wen模型进行数值模拟研究.改变Bouc-Wen模型的5个参数,并形成51条数值模拟曲线,计算这些曲线相对于中值曲线的相似度与力峰值点、耗能、刚度误差.结果表明,相似度与误差之间的斯皮尔曼相关系数绝对值均大于0.78,有强烈的相关性,从而验证了该指标的可行性和指标形成流程的有效性.

MD&A文本相似性会影响审计风格吗?

“管理层讨论与分析”(MD&A)信息披露通常会受到管理层的影响,并带来相应的披露后果。以2014—2021年上市公司为研究样本,以审计师向客户发表非标准审计意见的准确度来衡量审计风格,实证检验MD&A文本相似性对审计风格的影响。研究发现:MD&A文本相似性越高,审计风格越激进;分析师跟踪、信息披露质量和媒体关注度削弱了MD&A文本相似性与审计风格之间的正相关关系。影响机制研究发现:MD&A文本相似性越高,审计师投入的审计资源会越少,要求的收费水平就会降低,使得审计风格更加激进。异质性分析发现:MD&A文本语调更为积极的一组,MD&A文本相似性与审计风格之间的关系不显著,语调消极的一组二者之间仍存在显著的正相关关系,而MD&A文本可读性程度的高低不影响MD&A文本相似性和审计风格之间的关系。上述研究结论对监管机构落实审计师责任、审计师作出审计判断和投资者进行投资决策等具有一定的参考意义。

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。

家族相似性、符号圈与艺术跨媒介叙事

总体性的“艺术”仅仅是一个相对意义上的统称,一个代表所有具体门类艺术的“家族相似性”概念。洛特曼把总体性的艺术看成一个大的“符号圈”,而这个符号圈中又存在由各门类艺术构成的多个小符号圈。符号圈具有两个基本特征:一是有界性,即符号圈是有边界的,主要关涉内外关系;二是不均衡性,即符号圈区分为“中心”与“外围”,这是符号圈的内部组织规则。这两个特征都给“艺术文本”的跨媒介叙事带来了深刻影响。综合运用“家族相似性”和“符号圈”理论,不仅可以很好地解释艺术与非艺术,以及艺术符号圈中不同艺术门类之间的跨媒介叙事问题,而且可以合理地解释同一种文学、艺术体裁中的“互参”现象。

基于梯度和语义特征融合的商标图像相似性研究

图像检索在众多领域中起着不可替代的作用,也是计算机视觉领域重要的研究内容之一,特别是如何在海量的图像中快速检索到准确的图像。从图像特征提取入手,针对商标图像边缘信息丰富的特点,利用CLIP预训练模型,提出了一种CLIP特征和HOG特征相融合的特征提取方法,并且在两份数据集上进行对比实验,实验结果显示该融合特征优于使用单一特征的方法。基于该方法的有效性,开发了一套简易的商标图像相似性检索系统,可以快速从商标图像库中检索出和输入商标相似性高的图片。