构件化软件系统安全性分析技术研究

复杂系统的软件安全性分析中存在众多的含糊表述和不确定性问题,主观评价和模糊集理论即为处理此类问题的有效方法。首先对复杂软件涉及到的安全性要素进行模糊数学化表述,按照构件化的思想,对单个构件/模块的安全度进行分析,进而利用Dempster-Shafer证据理论对整个软件系统进行安全度综合,实现对软件系统的安全性分析和评估,最终按照DO-178B标准给出软件的安全等级,并通过实例加以说明。     

多特征融合的蛋白质相互作用位点预测

蛋白质相互作用位点预测为蛋白质功能和药物设计的理解提供重要线索。而蛋白质的各种特征为蛋白质相互作用位点预测提供了大量有用信息,特别是进化信息、残基序列邻近和空间邻近性。不同的蛋白质特征对蛋白质间的相互作用的贡献也不一样。通过提取蛋白质序列谱、保守性和残基熵,提出了特征融合技术对蛋白质相互作用位点进行研究,采用SVM构建三种预测器,分别对各种不同的特征加以验证,实验结果表明了基于特征融合方法的有效性和正确性。     

CentroidNet：轻量快速的乳腺癌Ki67细胞核中心点检测模型

目的 Ki67分数是乳腺癌预后评估的重要指标,计算该分数的关键步骤是检测阴性与阳性癌细胞核。人工检测面临疲劳与主观差异的问题。卷积神经网络有望实现高质量、自动化的细胞核检测,然而需要病理专家为其标注细胞核。为了减轻标注的工作量,不少研究者提出以中心点标注训练卷积神经网络。然而这些方法采用过于复杂的卷积神经网络和后处理流程,未能充分提高易用性和效率、发挥卷积神经网络的质量。对此,提出CentroidNet模型,旨在提高中心点检测的质量、效率和易用性。方法 CentroidNet模型在图像上放置均匀排布的锚点,为每个锚点预测一个候选点,一部分候选点通过基于阈值的筛选策略成为预测点。本文提出最近锚点匹配策略用于生成训练标签,既保证了端到端推理,又规避了其他一对一标签匹配算法所具有的标签抖动问题。本文建议锚点间距应尽可能接近训练集答案点间最短距离的第一百分位数,并指出这样的锚点间距能够在前景标签数、坐标回归难度与效率之间取得良好的平衡。本文在设计卷积神经网络的结构时,没有采纳广为使用的U-Net或特征金字塔（feature pyramid network, FPN）中的多级上采样与旁路连接,反...     

Exploring the tidal effect of urban business district with large-scale human mobility data

Business districts are urban areas that have various functions for gathering people, such as work, consumption, leisure and entertainment. Due to the dynamic nature of business activities, there exists significant tidal effect on the boundary and functionality of business districts. Indeed, effectively analyzing the tidal patterns of business districts can benefit the economic and social development of a city. However, with the implicit and complex nature of business district evolution, it is non-trivial for existing works to support the fine-grained and timely analysis on the tidal effect of business districts. To this end, we propose a data-driven and multi-dimensional framework for dynamic business district analysis. Specifically, we use the large-scale human trajectory data in urban areas to dynamically detect and forecast the boundary changes of business districts in different time periods. Then, we detect and forecast the functional changes in business districts. Experimental results on real-world trajectory data clearly demonstrate the effectiveness of our framework on detecting and predicting the boundary and functionality change of business districts. Moreover, the analysis on practical business districts shows that our method can discover meaningful patterns and provide interesting insights into the dynamics of business districts. For example, the major functions of business districts will significantly change in different time periods in a day and the rate and magnitude of boundaries varies with the functional distribution of business districts.     

物理域中针对人脸识别系统的对抗样本攻击方法

对抗样本攻击揭示了人脸识别系统可能存在不安全性和被攻击的方式。现有针对人脸识别系统的对抗样本攻击大多在数字域进行,然而从最近文献检索的结果来看,越来越多的研究开始关注如何能把带有对抗扰动的实物添加到人脸及其周边区域上,如眼镜、贴纸、帽子等,以实现物理域的对抗攻击。这类新型的对抗样本攻击能够轻易突破市面上现有绝大部分人脸活体检测方法的拦截,直接影响人脸识别系统的结果。尽管已有不少文献提出数字域的对抗攻击方法,但在物理域中复现对抗样本的生成并不容易且成本高昂。本文提出一种可从数字域方便地推广到物理域的对抗样本生成方法,通过在原始人脸样本中添加特定形状的对抗扰动来攻击人脸识别系统,达到误导或扮演攻击的目的。主要贡献包括:利用人脸关键点根据脸型构建特定形状掩膜来生成对抗扰动;设计对抗损失函数,通过训练生成器实现在数字域的对抗样本生成;设计打印分数损失函数,减小打印色差,在物理域复现对抗样本的生成,并通过模拟眼镜佩戴、真实场景光照变化等方式增强样本,改善质量。实验结果表明,所生成的对抗样本不仅能在数字域以高成功率攻破典型人脸识别系统VGGFace10,且可方便、大量地在物理域复现。本文方法揭示了人脸识别系统的潜在安全风险,为设计人脸识别系统的防御体系提供了很好的帮助。     

基于因子分析的模拟电路故障特征提取技术研究

针对LS-SVM算法中小波提取特征存在小波基函数选择和小波分解层次、系数选取的问题,提出了一种基于因子分析技术的故障特征识别方法;该方法通过构建采样数据的相关矩阵求出因子载荷和因子得分,按照累计贡献率自动提取出1~3个因子组成特征向量,从而降低了输入维度,提高了算法训练诊断效率,降低了收敛难度;四运放典型电路的仿真实验结果表明:文中算法的诊断正确率超过了同类方法,同时提高了训练时间和诊断效率。     

基于PHP技术网络考试系统的开发

介绍了基于PHP技术开发的网上考试系统,该系统以PHP作为开发工具,采用win2003+IIS6.0作为WEB服务器,Mysql作为数据库搭建B/S系统平台。详细分析了系统运行环境、功能模块的设计与实现方法,分析了试题结构、和组卷分析。该系统灵活通用,便于操作和移植,并在高校大学英语课程教学中得到实现,实现了考教分离,无纸考试。     

多指标融合的指纹图像质量评测方法

提出一种将分级排除和综合评测相结合的多指标融合的指纹图像质量评测方法。该方法综合考虑指纹图像的局部特征和全局特征,通过从空域和频域上提取质量评测指标,采用非线性加权平均的数学模型计算指纹图像的质量得分,得到对指纹图像质量的客观评测结果。在FVC2004标准指纹库中进行实验,结果证明该方法可以准确、客观地评测指纹图像质量,评测结果与专家的视觉评测结果接近。     

基于局部密度的无监督作文跑题检测方法

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词,并使用分布式表示向量寻找与题目词项语义相似的词,作为对作文题目的主题词扩展,在此基础上使用提出的切题度计算方法计算待测作文的切题度,并使用所提出的基于作文集切题度局部密度的阈值抽取方法动态选取切题阈值,进而实现一种无需训练集和主题无关的无监督作文跑题检测方法。在以英语为母语的学习者和以汉语为母语的学习者所写的8个作文集共9 381篇作文上的实验结果表明,该文提出的作文跑题检测方法能有效识别跑题作文,加入拼写检查预处理后,平均F1值为79.64%,单个作文题目下F1值最好为96.1%。     

A compact hybrid feature vector for an accurate secondary structure prediction

Amino acid propensity score is one of the earliest successful methods used in protein secondary structure prediction. However, the score performs poorly on small-sized datasets and low-identity protein sequences. Based on current in silico method, secondary structure can be predicted from local folds or local protein structure. In biology, the evolution of secondary structure produces local protein structure with different lengths. To precisely predict secondary structures, we propose a derivative feature vector, DPS that utilizes the optimal length of the local protein structure. DPS is the unification of amino acid propensity score and dihedral angle score. This new feature vector is further normalized to level the edges. Prediction is performed by support vector machines (SVM) over the DPS feature vectors with class labels generated by secondary structure assignment method (SSAM) and secondary structure prediction method (SSPM). All experiments are carried out on RS126 sequences. The results from this proposed method also highlight the overall accuracy of our method compared to other state-of-the-art methods. The performance of our method was acceptable specifically in dealing with low number and low identity sequences.