基于缓冲区溢出攻击的shellcode编码技术研究

缓冲区溢出是一种非常普遍的漏洞,在各种操作系统、应用软件中广泛存在。利用缓冲区溢出攻击,不仅可以修改内存中变量的值导致程序运行失败、系统重启等后果,甚至可以劫持进程,执行恶意代码,最终获得主机的控制权。本文对缓冲区溢出攻击作出概述,研究了几种shellcode的编码方法,对研究内容进行了举例演示及分析。

新一代通用视频编码标准H.266/VVC:现状与发展

相比于上一代标准,新一代通用视频编码标准(H.266/VVC)在同等质量下能够节省大约50%的码率,且适用于多种多样的视频应用场景。论文从H.266/VVC的关键技术出发,对标准的现状、实现和应用发展进行深入探讨。H.266/VVC沿用既往标准中的双层码流体系和混合编码框架,针对帧内预测、帧间预测、变换、量化、环路滤波等所有主要编码模块进行了技术革新,并为屏幕内容视频等应用提供了高效的专用编码工具。H.266/VVC标准目前已处于实用化阶段,官方参考软件VTM和开源编解码器VVenC/VVdeC是目前最具代表性的软件编解码实现。对H.266/VVC的性能分析可以看出:H.266/VVC针对高分辨率视频取得的编码增益更为突出;主要编码工具对性能的贡献通常以复杂度为代价,但也有部分编码工具在提升编码性能的同时可降低整体编码复杂度。H.266/VVC的硬件实现面临诸多挑战,发展明显滞后于软件实现,现有研究主要集中在对具体编码模块的硬件加速方面。H.266/VVC标准发布之后,下一代视频编码标准的发展目前仍围绕混合编码框架进行探索,聚焦在两大方向:超越VVC的增强压缩关注更为先进的、非神经网络的编码工具,基于神经网络的视频编码则探索采用神经网络的编码工具。除此之外,部分或完全跳出现有混合编码框架的端到端视频编码也在飞速发展,未来视频编码标准与神经网络结合成为趋势,但面临着计算资源依赖和稳定结构两方面的考验。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于三级编码的智能城市网络安全风险评估体系构建研究

[研究目的]城市的智能化发展为城市建设带来了多元的网络安全风险,这些风险已经成为城市发展中的极大隐患,为有效应对该问题,构建了智能城市网络安全风险评估体系。[研究方法]首先基于计量分析对国内外近十年的相关研究进行整理和可视化处理,构建用于评价指标提取的数据集;然后利用扎根理论中的三级编码方法提取智能城市安全风险评估中不同级别的评价指标,并进行编码;最后采用量化分析对指标进行合理性检验和修正,并根据HP-ANP模型进行指标赋权,完成智能城市网络安全风险评估体系的构建。[研究结论]通过对评估体系中影响智能城市网络安全风险要素的关联和重要性分析,提出了智能城市安全建设的对策建议,助力智能城市规避网络安全风险。

沉浸式视频编码技术综述

随着虚拟现实、增强现实等沉浸式媒体技术的发展,沉浸式视频的表示、存储、传输和显示等各个环节都受到了科研及产业界的广泛关注。沉浸式视频更复杂的视频特性和庞大的数据量,对传统视频编码技术提出了挑战,新的编码技术应运而生。该文从视频自由度(DoF)出发,分别从3DoF和6DoF两个方面介绍沉浸式视频编码技术的最新成果。3DoF视频相关编码技术包括投影模型、运动估计模型和3DoF视频编码标准。6DoF视频相关编码技术包括视频表示形式、虚拟视点合成技术、6DoF视频编码技术及运动图像专家组沉浸式视频(MPEG,MIV)编码标准。最后,对沉浸式视频及其编码技术的发展进行总结和展望。

基于混沌理论与DNA动态编码的卫星图像加密算法

针对卫星图像在传输、存储过程中涉及的信息安全问题,该文提出一种新型的基于混沌理论与DNA动态编码的卫星图像加密算法。首先,提出一种改进型无限折叠混沌映射,拓宽了原有无限折叠混沌映射的混沌区间。之后,结合改进型Chebyshev混沌映射与SHA-256哈希算法,生成加密算法的密钥流,提升算法的明文敏感性。然后,利用混沌系统的状态值对Hilbert局部置乱后的像素进行DNA编码,实现DNA动态编码,解决了DNA编码规则较少所带来的容易受到暴力攻击的弱点。最后,使用混沌序列完成进一步混沌加密,从而彻底混淆原始像素信息,增加加密算法的随机性与复杂性,得到密文图像。实验结果表明,该算法具有较好的加密效果和应对各种攻击的能力。

基于映射空间编码的高速运动轨道图像去模糊研究

针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法。首先,该算法使用深度编解码器和残差网络分别对数据集中清晰图像到模糊图像的映射关系和模糊核进行编码,为了保证编码时频率信息的完整性,算法在传统的残差模块上引入快速傅里叶变换通道构成双通道残差网络,以补偿多次特征提取带来的频率损失;其次,算法采用深度图像先验(Deep Image Prior,DIP)将潜在的清晰图像和模糊核进行参数化,再利用先验得到的模糊核和清晰图像来调用编码空间中的映射关系;最后,通过交替优化潜在的清晰图像和模糊核,从而去逼近一个真实未知的映射,进而实现真实场景下高速运动轨道图像的去模糊。实验结果表明,双通道残差模块提取的特征图频率信息分量强度普遍高于传统的残差模块,相较于使用传统残差模块实现该算法,采用双通道残差模块可使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)提升0.84 dB,结构相似性(Structural Similarity,SSIM)提高0.025 1。与现有的深度学习去模糊算法相比,提出的去模糊算法对高速轨道检测系统所采集图像的去模糊效果更佳,在性能方面相较于最好的去模糊算法,PSNR提高了1.84 dB,SSIM提升了0.017 3,显著提升了采集图像的质量。研究结果可为下一步识别轨道部件是否存在缺陷提供清晰图像。

PSK脉冲编码降低瑞利散射型光纤传感系统相干瑞利噪声的理论和仿真研究

频移平均(Frequency Shift Averaging,FSAV)技术是目前降低相干瑞利噪声(Coherent Rayleigh noise,CRN)的最主要方法,然而其降噪效果会受到频率漂移和脉冲啁啾效应的影响,且不适合应用在高空间分辨率系统中。针对以上问题,提出一种利用相移键控(Phase Shift Keying,PSK)脉冲编码降低CRN的新方法。详细分析了该方法的原理,仿真验证了该方法的有效性和适用性。结果表明:该方法不仅能有效降低CRN,且能在高空间分辨率下完全适用,为基于瑞利散射的高空间分辨率高精度分布式光纤传感系统中CRN的降低提供了新的视角和实用方法。

基于对抗自编码填补网络的MIMO雷达故障阵元缺失数据重构

多输入多输出(Multiple In Multiple Out,MIMO)雷达的阵元故障会导致其协方差矩阵出现整行整列数据缺失,从而降低其角度估计性能。为此,提出一种对抗自编码填补网络(Adversarial Autoencoder Imputation Network,AAEIN)来重构故障阵元的缺失数据。该网络由负责重构缺失数据的自动编码(Autoencoder,AE)网络和负责分辨数据来源的鉴别器组成。在二者的对抗训练中,AE网络的重构能力和鉴别器的分辨能力不断得到提升,直至两者收敛。为避免网络训练过程中参数量大和计算复杂度高的问题,文中结合MIMO雷达协方差矩阵的Hermitian特性,使用协方差矩阵上三角部分构建数据集用于网络训练。仿真结果表明,文中方法可以有效地重构故障阵元的缺失数据且具有较高的重构精度。

基于双层注意力和深度自编码器的时间序列异常检测模型

目前时间序列通常具有弱周期性以及高度复杂的相关性特征,传统的时间序列异常检测方法难以检测此类异常。针对这一问题,提出了一种新的无监督时间序列异常检测模型(DA-CBG-AE)。首先,使用新型滑动窗口方法,针对时间序列周期性设置滑动窗口大小;其次,采用卷积神经网络提取时间序列高维度空间特征;然后,提出具有堆叠式Dropout双向门循环单元网络作为自编码器的基本结构,从而捕捉时间序列的相关性特征;最后,引入双层注意力机制,进一步提取特征,选择更加关键的时间序列,从而提高异常检测准确率。为了验证该模型的有效性,将DA-CBG-AE与6种基准模型在8个数据集上进行比较。最终的实验结果表明,DA-CBG-AE获得了最优的F1值(0.863),并且其检测性能相比最新的基准模型Tad-GAN高出25.25%。

ShellCode编码变形大法

现在很多有溢出漏洞的程序对ShellCode都有特定的要求，一类是对ShellCode的长度大小有限制：另一类就是不能出现某些特殊字符，比如Cmail漏洞不能有大写字母，Foxmail不能有Ox2E、Ox2F字符一类的。在这里不讨论长度限制的情况，而是讨论一下如何避免特殊字符。

非编码RNA调控真社会性昆虫品级分化和个体分工的研究进展

真社会性昆虫是最具代表性的表型可塑性的研究对象之一,其个体之间分工协作的社会性生活方式增强了整个群体的环境适应性和繁殖力。真社会性昆虫虽然具有相同的遗传背景,个体之间却表现出明显的品级分化和个体分工,这是由环境和遗传共同影响的。表观遗传被认为是应对环境条件下重塑基因表达的主要机制,非编码RNA作为一类广泛参与机体生命活动的不编码蛋白的功能性RNA,在真社会性昆虫的品级分化、个体分工等方面起着重要的调控作用。本文从微小RNA、长链非编码RNA、环状RNA、与PIWI蛋白相作用的RNA等非编码RNA,对蜜蜂、蚂蚁及白蚁等真社会性昆虫的非编码RNA调控机制研究进展进行了综述,以加深对真社会性昆虫内在遗传分子基础的理解和认识,也为害虫防治领域提供新的研发视角。

从高级音频编码(AAC)专利池发展窥探标准的引领作用

本文在研究标准体系、技术路线图和专利池三者关系过程中,发现高级音频编码(AAC)标准、专利池及专利三者之间违背一般逻辑的现象,即AAC标准发布后,有关研究机构和厂商发现了巨大商机,继而建立专利池,研发产品形成专利。这一实例说明标准有时先于专利、专利池发展和形成,继而对专利池的建立和专利的形成起着引领作用,需要引起人们重视标准对技术、产品、专利、专利池的引领作用。

基于深度学习的HEVC编码复杂度优化方法

为降低高效率视频编码(HEVC)的计算复杂度,提出一种基于深度学习的复杂度优化方法。构建大规模编码单元(CU)划分数据库,为算法设计和神经网络训练提供数据基础;设计一种适用于HEVC的CU划分图模型,高效表征多个邻近CU的划分模式;在此基础上,提出一种基于稠密网络的分层卷积神经网络结构,准确预测HEVC中的三级CU划分结果。实验结果表明:该方法能够在保证编码效率前提下,平均节省57%的编码时间,有效解决了HEVC编码复杂度过高的瓶颈。

基于GeoSOT的文旅数据编码方法

文旅资源数据的种类多样,格式复杂,存储管理难度大,文旅资源的传承保护和发展需求迫切,亟需建立一种数据组织管理方法。基于GeoSOT网格剖分理论,提出了一种对多元文旅资源数据的统一组织管理的方法,并详细介绍了文旅资源数据概况、剖分方案、编码方法、检索机制和检索结果。设计了一个文旅资源数据库,使GeoSOT编码组织管理各种类型数据,结果表明:基于GeoSOT剖分网格编码能够有效地组织管理文旅资源数据,提升数据检索访问效率,满足文旅资源数据的管理需求。

智慧教室环境下数学课堂互动教学双编码分析系统开发与行为模式挖掘

如何充分利用智慧教室环境中积淀的教育大数据驱动课堂互动教学高质量发展,已成为我国教育数字化转型亟需解决的问题。对此,文章首先参考国内外课堂互动教学行为的量化分析成果,遵循媒体技术融合于课堂互动教学行为的理念,以5节具有高级智慧教室环境特征的数学优课为例,构建了智慧教室环境下数学课堂互动教学双编码分析系统,并采用肯德尔和谐系数验证了其有效性。接着,文章将30节用于教学行为模式挖掘的数学优课作为研究样本,采用S-T分析法,提炼出数学优课的混合型、对话型、讲授型课堂教学模式。之后,文章对混合型、对话型数学优课的课堂互动教学进行矩阵分析,并采用滞后序列法对混合型、对话型数学优课的课堂互动教学行为模式进行挖掘。最后,文章整合基于教学行为大数据的静态编码频次分析与动态前后关联分析,提炼出智慧教室环境下数学课堂互动教学的典型特征与最新趋向。文章的研究旨在挖掘教学行为大数据的应用价值,循证赋能我国教育的高质量发展与数字化转型。

BIM模型编码可变性检验与自动匹配方法研究

为解决BIM元素变更导致的Web-BIM系统数据库与BIM元素无法匹配的问题,本研究首先根据各类BIM文件的特点,选择Rvt文件作为编辑BIM文件,选择Gltf文件作为Web端加载文件。对BIM模型的编码可变性进行了验证,结果表明对BIM构件尺寸修改、属性修改、位置移动等操作均不会改变构件的编码;若对BIM构件进行删除,该构件会被赋予新的编码,但其他构件的编码均不会被影响。本研究提出一种BIM模型变更前后自动匹配方法,通过建立元素识别和跟踪数据库、元素匹配算法、用户交互及确认、更新质量信息、定期检查等步骤,可以实现BIM模型变更前后Web端与BIM元素的匹配,为建筑项目的管理提供了有力的工具。

某三甲综合医院3316份住院病案首页主要诊断编码质量分析

目的分析厦门市某三甲综合医院2023年1—12月住院病案首页主要诊断编码质量,分析编码错误原因,提出有效的改进建议,以期提高医院住院病案首页主要诊断编码质量。方法采用分层抽样选取厦门市某三甲综合医院2023年1—12月住院病案3316份,由科室9名编码员对抽取的病案首页进行交叉互查,登记编码错误类型,分析编码错误原因。结果主要诊断编码错误353份,主诊编码错误率为10.65%。对错误类型归类:未认真分析病历资料占比48.44%,未掌握主要诊断编码原则占比27.48%,临床知识不足占比14.16%,系统获取错误占比9.92%。结论注重病案编码专业人才队伍的建设,培养编码员的工作能力,推进病案管理系统改进和优化,有利于持续优化病案首页主要诊断编码质量。

基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

语义编码与经典信道编码融合研究

目前的语义通信研究尚未阐明语义编码与经典信道编码之间的关系、语义编码在现有通信框架中的可行性,以及影响语义编码的关键因素等。对基于联合信源信道编码的语义通信系统进行了理论分析,设计了语义编码与经典信道编码的融合实验,展示了语义编码的潜在优势,探索了语义编码与经典信道编码之间的关系,研究了后续将语义通信应用于经典通信框架的基础方法。