数字视频中标题文字的检测与提取

视频中的文字信息为视频语义的理解提供了重要的信息,本文提出一种改进的视频标题文字检测方法,该方法不仅能检测视频中文字出现位置,而且能检测到标题文字出现的时间边界.对数小时的视频标题检测实验表明,该方法是有效的,总有效性可达到80%左右.     

基于多蚁型的蚁群聚类算法

本文提出了一种多蚁型的蚁群模型和在此模型上的一个具有移动空间的蚁群聚类算法。每个类簇都带有一个移动空间,使同类的蚂蚁紧密地聚在一起。移动空间为每个类簇选出一个代表蚂蚁用来长距离的类簇移动。代表蚂蚁通过连接将类簇中不相似的大量数据移动到与其相似的代表蚂蚁处,减少了蚂蚁的搜索时间,提高聚类性能。针对UCI数据集进行实验,结果表明新算法提高了聚类效果。     

信息安全 以人为本——人才培养：网络空间安全保障体系的关键环节

互联网对政治、经济、社会和文化的影响愈加深远,围绕着信息获取、利用和控制的国际竞争日趋激烈,信息安全面临的形势日益严峻,特别是随着经济社会和信息化进程全面加快,网络与信息系统的基础性、全面性作用日益增强,信息安全已成为国家安全的重要组成部分,保障信息安全已成为重要议题。     

一种基于反馈学习机制的支持向量机网页分类方法

本文以SVM分类方法为基础,研究了SVM在网页分类方面的应用并给出了基于KKT条件的反馈机制对SVM方法进行改进的方法。通过对中等规模的Web网页测试实验表明基于KKT（karush—Kuhn—Tucker）条件的反馈学习机制的支持向量机对Web网页分类方法是有效的。     

基于身份认证加密的私钥共享方案及其应用

为了解决基于身份的认证加密方案中私钥共享的问题,结合可验证的（t,n）门限秘密共享方案,提出了一种新的私钥共享方案,并与已有私钥共享方案进行了对比分析,分析表明该方案在效率方面有较大的优势且安全性也较高。结合基于身份的认证加密方案,提出了一个在政府内网的电子公文安全交换模型,为实现电子公文的快速交换提供了安全保证。通过分析可知,该方案效率较高且安全。     

基于SMOTE和GBDT的网络入侵检测方法研究

现有基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率。为此,提出了一种基于SMOTE (Synthetic Minority Oversampling Technique )和GBDT(Gradient Boosting Decision Tree)的入侵检测方法。其核心思想是首先在预处理阶段使用SMOTE技术提高少数类别的样本数量,且对多数类别样本降采样,最后在平衡数据集上训练GBDT分类器。利用KDD99数据集进行实验验证,并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩对比,结果表明,该方法在保持较高的整体正确率的同时较大程度上降低了少数类的漏报率。     

一种基于CABAC的HEVC信息隐藏算法

针对现有基于HEVC视频信息隐藏算法中存在的嵌入容量和嵌入效率较低的问题,提出一种基于CABAC的HEVC信息隐藏算法。通过分析熵编码过程中指数哥伦布编码后缀与语法元素值的相关性,阐述使用指数哥伦布编码后缀作为信息嵌入载体的可行性,并选择语法元素abs_mvd_minus2经过一阶指数哥伦布编码产生的后缀作为嵌入载体,结合矩阵编码修改后缀值完成秘密信息的嵌入。实验结果表明,该算法对信息嵌入后重建视频图像的主客观质量基本没有影响,在减少载体修改量的同时,得到了较大的嵌入容量和较高的嵌入效率。     

基于Ontology的Web内容安全研究

本文基于Ontology相关理论提出了一种内容安全检测分析框架,给出了系统框架的操作流程和系统实现的术,通过对1000多个网页的测试实验分析表明该系统框架足可行的.     

创新人才培养模式建设高素质的网络安全队伍

我国是一个网络大国,但还不是一个网络强国.党的十八以来,党中央高度重视网络安全工作,网络安全已成为国家安全的重要组成部分,网络安全建设已成为重中之重的任务.网络安全的竞争归根结底是人才的竞争,而网络安全人才的匮乏是制约我国网络安全发展的瓶颈因素,亟待采取多方面措施全面加强.从国外的经验看,整体规划人才培养方式、充分利用高校资源、创新体制机制、多渠道挖掘与培养网络安全人才都是有效的举措.我们要抓住机遇,因势而动,顺势而为,创新人才培养模式,努力为国家培养高素质的网络空间安全人才.     

一种基于多模态特征融合的垃圾邮件过滤方法

近年来,垃圾邮件制造者为了逃避基于文本的垃圾邮件过滤系统的检测,将垃圾信息嵌入到图像中,并将其附着在邮件正文中进行传播。传统的基于文本的过滤方式无法处理此类包含垃圾信息的邮件图像。为了应对这种同时包含文本和图像的垃圾邮件,本文提出了一种基于多模态特征的融合文本、图像等多媒体信息的过滤方法。首先通过抽取邮件的文本特征和图像特征构建多个分类器,然后采用多分类器融合技术对各分类器的输出结果进行综合。通过对TREC垃圾邮件语料集的测试实验表明,本文提出多模态特征融合的方法获得了比单个分类器更好的效果,准确率达到90%以上。