神经语言程式学团体辅导对高校新生网络成瘾倾向的效果

目的探究神经语言程式学(NLP)团体辅导对高校新生网络成瘾倾向的疗效。方法选取苏州2所高校同时符合网络成瘾损害量表和中文网络成瘾量表成瘾标准的新生共41例,随机分为研究组(20人)和对照组(21人)。研究组实施团辅导,疗程7周,每周2单元。对照组不做干预。于团辅前、团辅后和结束3个月后分别采用自尊量表(SES)、症状自评量表(SCL-90)和亚健康驱体症状自尊量表(SC-SHs-Q)对两组进行总分及因子分评定。结果团辅前两组SES、SC-SHs-Q和SCL-90总分及各因子分差异均无统计学意义;团辅后研究组的SES总分显著高于对照组(t=1.989,P<0.05),SC-SHs-Q总分及疲劳、肠胃因子分(t=-2.309,-1.991,-1.982;P<0.05或<0.01),SCL-90总分及驱体化、强迫症状、人际敏感、抑郁、焦虑、敌对和偏执因子分均低于对照组(t=-2.202,-2.189,-1.986,-2.017,-2.465,-2.690,-0.991;P<0.05或<0.01);团辅结束3个月后,上述因子与对照组的差异仍有统计学意义(P<0.05或<0.01)。结论 NLP团体辅导可有效缓解高校新生的网络成瘾倾向,可作为网络成瘾团辅的重要手段。

面向命名数据网络的安全通信机制及其优化

NDN网络架构的安全机制构建在信息本身,因此NDN中对传输的数据必须采取有效的签名和加密措施,否则攻击者可以随意获取数据或发送虚假内容,这将成为NDN网络的最大安全隐患。文中针对NDN的安全隐患,设计出一种轻量级加密算法来解决NDN网络架构的安全问题,详细分析了该算法每个步骤的含义和目的,以及它在各种攻击方式下的安全性,同时对算法进行了优化,提高了算法的运行效率。并且在ndnSIM下嵌入该算法进行仿真,验证了数据从发布者开始是以密文方式进行传输,具有机密性;收到数据后能正确地验证发布者的身份,具有认证性;并正确地解出明文和验证数据是否有改动,具有完整性;再分别对攻击方式中的数据内容篡改和身份伪装进行了仿真,验证了对传统网络攻击防范的有效性。

高校学生网络被害与社会安全感的关系研究

为调查高校学生的网络被害与社会安全感缺失之间的关联,文章抽取苏州、合肥两地4所高校的学生800名,发放大学生网络安全意识问卷、城市居民安全感问卷(CSQ)和Young网络成瘾损害量表(IAII),收回有效问卷714份。结果显示,社会安全感总体处于中等偏下水平;中等月消费学生与高、低月消费组在职业安全、身体安全两个维度及总安全感的得分上差异显著(P<0.05);网络物质受害组在家庭、公共、社区和身体因子及总安全感的得分差异均显著(P<0.05);网络成瘾组与安全感各因子关联显著(P<0.001)。因此,高校学生网络物质性、精神性安全状况均与其社会安全感相关,安全感总分可预测网络成瘾倾向。

基于网络原型挖掘的AjaxCrawler系统研究

自媒体时代,网络舆论管理、议题管理和危机管理变得十分困难,解决难题的关键是对网络用户身份的有效识别,而传统的用户身份识别所遵循检索发现收集的过程,存在人工参与度大、缺少真实性评估、时效带来的数据丢失等缺陷。本文探索一种对互联网开放数据的主动收集方法,并针对目前交互式网络站点普遍使用Ajax技术的特性详细设计了AjaxCrawler系统,采用并发策略,相对传统爬虫系统具有更好效率和稳定性。

带相关反馈的基于深度神经网络模型的人脸检索方法

针对大规模人脸检索问题,提出了一种带相关反馈的基于深度神经网络模型的人脸检索方法.首先利用卷积神经网络对人脸进行特征提取,再利用传统的检索方法进行人脸检索,在检索环节之后加入相关反馈环节.根据用户反馈的结果,将样本分成正例和负例,作为反馈环节的训练样本,完成反馈环节的训练.实验表明,该方法能够显著提高人脸检索的准确率.

手机取证研究

手机在作为日常通讯工具的同时也成为了犯罪分子实施违法犯罪的作案工具,开展手机取证研究有利于固定犯罪证据,提供侦查线索,本文根据目前手机取证现状开展调查研究,探讨了手机取证的特点、面临的困难,并就取证方法进行阐述。

时间证据对取证的影响

黑客在成功发动入侵之后，会想方设法抹去自己在受害系统上的活动记录，从而逃脱法律的制裁。而在整个安全响应机制中，“第一时间报警并保留有效的证据”这个环节又经常被遗漏。那么，我们怎样才能正确地获取并保留黑客的犯罪证据呢？

电子物证检验鉴定中数据恢复技术探析

电子物证鉴定技术在进步,犯罪嫌疑人的反侦察意识和技巧也在不断增强,由于网络犯罪的迅猛增加,电子数据恢复的关键性凸显,本文通过介绍数据恢复的方式和工具,来探析如何运用数据恢复技术来更好的开展电子物证鉴定工作。

基于关键词相关性的有害信息爬虫系统研究

传统的互联网有害信息发现方法是依据Google、百度等元搜索工具,用户输入关键词进行检索,然后对获取的结果进行研判,但是用户经常无法准确地描述所需的资料,给出的关键词不准确,搜索结果常有用户不关心的垃圾数据,而一些有用的数据却不能列出。文中探讨了一种基于元搜索,引入关键词扩充技术的爬虫方法。该方法在网页抓取,用户检索的时候能扩充输入的关键词,从而提高搜索覆盖率和精度。该方法投入小,效果好,还可通过扩展应用到其他领域。

基于核函数的有监督哈希视频图像检索

在公安的电子物证检验工作中,经常会获取大量的影像、图像等信息,需要将这些信息与已掌握的视频图像内容进行比对,发现有价值的线索、证据。如果仅依靠人工检索,工作量巨大,耗时耗力,效率极低。这就需要开发出一套智能检索系统,通过使用一种高质量和高效率的大规模视频图像检索方法,准确、有效的关联出所需的视频图像内容。目前,常用的视频图像检索方法是哈希方法,被用来做相似性计算和检索。然而,现存的检索方法或者是缺乏足够好的性能,或者是陷入复杂的模型学习之中。文章提出了一种新的基于核函数的哈希模型应用于视频图像的人脸检索,该模型仅仅需要少量的监督信息,却能够在可行的训练时间下,获得高质量的哈希,有效提高检索质量和效率。