一种基于梯度提升树算法的DGA域名检测方法

勒索病毒、僵尸网络等恶意软件在互联网日益泛滥,已成为威胁网络安全运行的重要因素。域名作为恶意软件与命令和控制(Command and Control,C&C)服务器的主要通信方式,是检测和防范的重要途径。但域名生成算法(Domain Generation Algorithm,DGA)的不断改进发展,给传统的基于威胁情报的检测方式带来了巨大挑战,而机器学习技术逐渐成为应对DGA域名的主要途径。梯度提升树算法作为机器学习中重要的分类算法,能够适应DGA域名检测场景。基于XGBoost框架,采用开放域名数据作为样本集,研究了基于梯度提升树算法的DGA域名检测方法,并通过域名向量转换、检测模型训练、参数调优,实现了一个高效的DGA域名检测模型。

H.264整像素快速运动估计算法研究

通过对H.264参考模型JM11.0中整像素运动估计算法的分析,提出了一种新的快速运动估计搜索算法:基于方向预测的菱形-T形搜索算法(Direction Based Diamond-T Search,DBDTS)。改进算法在保证视频序列各分量信噪比和输出比特率的同时有效地减少了运动估计时间。分别应用FS、EPZS、UMHexagonS和改进算法对典型序列进行测试。测试结果表明,新算法在保证编码性能的同时,有效地提高了运动估计速度。