一种静态Android程序恶意性检测方法

分析Android恶意程序行为特征,研究基于静态行为特征的Android程序恶意性检测方法及其实现方案,根据程序的静态行为特征来判断程序是否具有恶意性。针对Kirin方案做了2个方面的改进,一方面增加了对API的检测,细化了检测粒度,另一方面量化了不同静态行为特征的恶意性指数,通过计算程序的恶意性指数来分析程序的安全等级。实验结果表明,该方法能够有效地检测Android程序的恶意性程度。     

电子鼻信号处理方法综述

具有模仿人的嗅觉系统的电子鼻在过去十年中发展迅速,大部分成果开始商业应用,主要应用于食品和化妆品行业。用于电子鼻系统的信号处理方法主要包括静特征分析法和动态特征处理方法。静态特征分析法包括主成分分析法,判别函数分析法,类聚分析法和基于网络的多层感知器。动态特征分析法包括传统的参数法和非参数法,非参数法是借助于传统的系统识别方式及线性滤波器、时间序列神经网络系统。     

基于行为分析的木马检测系统设计与实现

随着近年来网络技术的飞速发展,安全问题日益突出,病毒、木马、后门程序等恶意代码层出不穷,重大经济损失事件及重要泄密事件频频发生。传统的代码检查技术主要依靠特征码,静态分析等手段,对分析者的技术要求高,效率较低,难以实现批量检查。针对这些缺点,本文提出一种基于行为分析的木马检测技术,通过记录应用程序的动态行为,综合恶意代码的API调用序列,功能性行为特征、隐藏性行为特征、Rootkit行为特征等作为判别依据,分析其恶意危害性;同时给出详细的分析报告及关键行为记录,方便对恶意代码的手动查杀及深入分析。实验表明本文提出的检测方案能够有效地检测已知或未知的恶意代码,提高木马的检测准确率和检测效率,达到预期的研究目的。     

融合LBP特征和运动特征的运动分类算法

本文提出了一种局部二值模式(Local Binary Pattern,LBP)特征和运动特征相融合的运动分类算法。首先,利用背景差分法检出视频中的运动人体序列,将运动人体序列经过LBP算子处理得到LBP直方图特征。然后,将LBP直方图特征和运动人体质心的速度特征相融合作为运动人体行为分析的识别特征,应用BP神经网络进行行为分类识别。在Weizmann和KTH行为数据库上进行了算法实验研究,人体行为识别的平均准确率达到了90.78%。实验结果表明:该方法在识别率方面明显优于常规方法进行识别的结果。     

基于MESCM算法的电网用电行为智能识别

针对电网负荷纵向特性分析精度较差,导致用电行为识别结果不精准的问题,提出了一种基于MESCM算法的电网用电行为智能识别方法。M-P律是MESCM样本协方差矩阵的特征值,基于动态特征值分析电网在不同信噪比情况下用电负荷的随机特性。使用MESCM算法,计算归一化处理的日用电量和电网一天用电量序列,提取电网静态与动态用电特征。设置滑动窗口,计算滑动窗口到数据点空间中心的距离,以此为依据构建智能识别函数,由此完成用电行为类别判定。实验结果表明,该方法与标准电网负荷数据存在5 kW的最大误差,且用电行为识别结果与实际类别一致,具有较强的抗干扰能力。     

基于特征融合的步态识别

基于人行走时下肢关节角度变化包含丰富的个体识别信息的观点,提出了一种利用下肢关节角度进行识别的方法。利用下肢关节角度来表征步态运动的动态特征,并用主分量分析进行特征提取来表征步态的静态特征,其次融合步态运动中的静态特征和动态特征,采用对小样本具有很好分类效果的支持向量机进行分类识别。对算法进行MATLAB仿真,结果表明所用方法具有较高的识别性能。     

基于体态的视频人像特征提取与比对

信息技术的发展壮大和应用的快速普及,利用计算机技术在图像处理方面的研究,并对视频图像中的人体行为进行特征提取和有效识别已成为日益关注的热点问题.然而如何构造有效的特征来对视频当中的人体动作进行描述一直是一个非常有挑战性的问题.对视频图像中的人体特征进行识别,是对视频图像的序列进行分析处理,并对检测出的人体运动目标进行特...     

内外双修实现对未知威胁监测

对未知威胁监测,常规手段都是基于内部技术的,常见的三个监测维度:文件处理、静态检测、动态检测。这些方式在一定范围内有效,却无法避免检测技术自身的局限性,对新攻击手法和未知漏洞的识别能力有限。数据量较小时,对可疑数据还原,通过内部检测技术对其进行相关分析,可由专家人工识别部分未知攻击行为。而大数据模式下,靠已知技术和人工来识别千变万化的未知破坏意图是完全不现实的。作为补充,利用大数据从外部IP的可信性角度做风险评估,减少噪音事件,把风险定位的圈子缩小,从路径和历史记录中筛选出可疑的行为,从而进一步通过内部行为分析对未知威胁进行准确的研判和定位是可行的。     

基于三维卷积与双向LSTM的行为识别研究

准确识别视频中的内容是未来互联网应用发展的方向,视频中的行为识别是计算机视觉领域的研究重点。为充分利用视频中的信息,提高行为识别的准确程度,文中提出一种基于三维卷积与双向LSTM的行为识别算法。设计一种基于三维卷积的空间注意模块,可以关注空间区域的显著特征。为了更好地处理长时间视频,引入一种新的基于双向LSTM(长短时记忆网络)的时间注意模块,其目的在于关注关键视频而不是给定视频的关键视频帧,然后采用双中心loss(计算损失函数)优化网络对两阶段策略联合训练,使其能够同时探索空间和时间域的相关性。在HMDB-51和UCF-101数据集上测试证明,所提算法能够准确识别视频中的相似动作,行为识别的准确率得到提高,识别效果显著。     

红外成像导引头目标识别方法研究

在红外成像制导中,如何实现目标识别是关键点之一。从静态目标识别、目标预测与动态目标识别三个方面,研究了红外成像制导中目标识别的方法。对于静态目标识别,采用计算目标形状特征和直方图特征的算法;对于目标预测,选用简化的卡尔曼滤波器模型;动态目标识别,通过计算目标特征最大变化率和海明距离的算法来实现。     

从行为分析认识计算机病毒

本文从计算机病毒更改主机HOSTS文件、修改主机自启动项、篡改主机注册表信息和感染PE文件四个典型的行为特征进行分析,提供一种方便、快捷的病毒识别方案,有助于普通用户提高系统安全维护等级,帮助病毒分析人员锁定病毒目标。     

视频火灾识别方法研究综述

火灾发生时,其火焰和烟雾具有特有的静态和动态特征,在分析总结火灾图像特征的基础上,以火焰和烟雾特征为线索,介绍了火灾提取和识别的典型方法,侧重于分析各种特征在火灾识别中的应用及所采用的算法,最后对未来视频火灾识别方法的发展方向作了展望。     

基于局部块模型的复杂场景行为识别算法

针对视觉词袋模型与局部块模型特征相结合的算法在真实的复杂场景中识别率不高的问题,本文提出一种基于局部块模型与特征预处理、特征泛化相结合的行为识别算法。本文算法在视觉词袋模型的基础上,采取局部块模型与随机采样相结合的方法提取特征,对特征做预处理,减小了数据冗余,消除了特征之间的相关性,并且使处理后的特征更接近原始视频特征,同时对编码后特征做泛化处理,避免过拟合现象。本文在HMDB51标准视频库上进行实验,结果表明本文算法较原算法识别率提高2.1%,较其他同类算法也有一定的提升,验证了该算法的有效性。本文算法对视频量大、背景复杂、真实场景的视频集具有较好的识别效果。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

人脸识别技术在安全保卫工作中的应用及发展趋势研究

人脸识别技术作为一种新兴的生物特征识别技术,与其他生物特征识别技术相比,可以非接触式远距离采集生物特征,数据获取更加自然、直接、便捷。人脸识别技术在公共安全、经济文化保卫、人机交互等领域具有广泛的应用前景,在研究和应用方面得到长足的发展。人脸识别技术安保领域中主要有2种类型的应用,即静态人脸比对识别和动态人脸监控识别。动态识别技术可应用于车站、机场、地铁等重点场所和人群密集公共场所以及学校、医院等企事业单位出入口等多种治安、安保、安防、反伪等领域。静态人脸识别搜索比对是指静态人脸照片与人脸数据库比对,进行人的身份搜索和身份管理,主要应用在治安和户籍管理、身份核查、内保等方面。文章对人脸识别技术在安全保卫工作中的应用及发展趋势进行了研究。     

基于神经网络的视频监控图像异常行为识别方法

由于传统方法在视频监控图像异常行为识别应用中效果不佳,漏识率较高,且识别用时较长,文章为此提出基于神经网络的视频监控图像异常行为识别方法。该方法首先分割处理视频监控图像,然后应用视频帧图像阵列对目标图像进行预处理并提取图像行为特征,最后建立神经网络模型,利用模型计算图像行为特征卷积,完成异常行为识别。实验证明,该方法的漏识率为0.56%,具有较好的应用前景。     

从行为分析认识计算讥病毒

本文从计算机病毒更改主机HOSTs文件、修改主机自启动项、篡改主机注册表信息和感染PE文件四个典型的行为特征进行分析，提供一种方便、快捷的病毒识别方案，有助于普通用户提高系统安全维护等级，帮助病毒分析人员锁定病毒目标。     

基于多特征融合的恶意软件分类方案

传统的恶意软件分类特征提取常以单一特征作为检测分类标准,存在检测准确率低、效果差问题,为此提出了一种提取多重静态特征进行融合并利用集成学习算法进行恶意软件家族分类方案.首先,在Kaggle数据集上对反编译恶意样本提取字节码、操作码、API序列和灰度图四种不同角度的静态特征; 然后,利用卡方检验和皮尔逊相关系数进行重要特...     

基于全局双线性注意力的红外视频行为识别

针对红外视频缺少纹理细节特征以致在人体行为识别中难以兼顾计算复杂度与识别准确率的问题,提出一种基于全局双线性注意力的红外视频行为识别方法。为高效计算红外视频中的人体行为,设计基于两级检测网络的关节点提取模块来获得人体关节点信息,创新性地将所形成的关节点三维热图作为红外视频人体行为识别网络的输入特征;为了在轻量化计算的基础上进一步提升识别准确率,提出一种全局双线性注意力的三维卷积网络,从空间和通道两个维度提升注意力的建模能力,捕获全局结构信息。在InfAR和IITR-IAR数据集上的实验结果表明,该方法在红外视频行为识别中的有效性。     

基于NIBLACK改进算法的静脉识别特征提取

静脉识别是一种新兴的生物特征识别技术,为了满足静脉识别中的特征提取需求,对手背静脉提取方法进行了研究。首先采用CLAHE算法对手背静脉图像进行增强处理,然后针对传统NIBALCK二值化算法的不足,提出一种局部静态阈值与NIBLACK相结合的改进算法。实验证明,该方法能有效消除传统方法中噪声过多、纹络断裂的现象,克服光强因素对图像提取的影响,保持完整清晰的静脉纹络结构,从而满足后续识别工作的需要。