隐式信息流重组粒度与污点传播能力判别

污点分析中的隐式信息流由于其通过控制流传播污点的特性导致许多基于数据流的污点分析技术无效或分析效率低.本文提出了一种简洁有效的基于重组粒度的隐式信息流污点传播能力判别方法.通过预定义重组链构建规则,并基于程序切片和控制依赖关系给出了隐式信息重组链构建算法,在重组链各端点的信息重组粒度计算的基础上,获得隐式信息流的重组粒度及重组比值,能判别其污点传播能力.此外,实验开发了一个包含15个隐式信息流代码段的隐式信息流测试集IIF-Bench,并用来验证了判别方法的有效性和良好独立性,使其易于作为扩展添加至其它静态污点分析方法中从而实现隐式信息流分析的能力.

多粒度图神经网络推荐模型构建

为提升推荐模型的应用效果,控制推荐绝对差值,扩大相关技术的影响发展范围,构建多粒度图神经网络推荐模型。提出模型的应用推荐动机,对异构推荐特征进行提取,以此为基础,构建协同神经网络推荐目标层级,采用多粒度图神经网络技术设计稀疏推荐矩阵,采用多维聚合推荐法实现模型的构建。测试结果表明:对比于传统卷积神经商品推荐模型测试组、传统异构机制商品推荐模型测试组,设计的多粒度图神经网络商品推荐模型测试组得出的推荐绝对差值相对较小,表明在实际应用的过程中,对于用户需求及信息的捕捉较为迅速,分析更为全面,促使推荐的商品更加符合需求及标准。