一种改进XGboost的DoH流量分类方法

加密流量已经成为互联网中的主要流量，其分类问题一直是当前研究热点之一。针对当前网络中DoH(DNS-over-HTTPS)流量的准确识别，处理速度偏慢，检测效率不高的问题，提出了一种基于截断奇异值分解(truncated singular value decomposition, TSVD)降维，贝叶斯优化方法改进的极限梯度提升树(improve extreme gradient boosting, IXGboost)的DoH流量分类方法。通过网络公开数据集，此方法将加密流量分为非DoH流量，良性DoH流量和恶意DoH流量。实验结果表明，其分类准确率达到了99%以上，处理每条数据的时间仅为0.3ms,进而证明所提方法有着较高的准确率和较强的实时性，提升了入侵检测性能，可有效实现对DoH流量的精确分类。     

改进的MDSMOTE与FC-SVM在不平衡数据集分类中的应用

针对于MDSMOTE算法在生成部分新样本时没有将错分样本纳入其中的问题,将对错分样本修正的方法加入到现有的MDSMOTE算法中,提高样本的质量;对于传统FSVM在对不平衡数据集分类时,不能解决超平面偏向少数类的问题,将正负惩罚系数、模糊因子加入到FSVM中,提高不平衡数据的识别率。将改进的算法用于京东网购评语数据集分类中,该算法的分类性能较其他算法平均提升了9.13%,表明了该方法的可行性和有效性,具有实际应用价值。     

多媒体技术在办公自动化中的应用

办公自动化系统是我国近年得以迅速发展的信息产业,多媒体技术在办公动化系统中得已广泛的应用。本文主要介绍多媒体技术在声音、图像方便的处理。     

异构并行的DGA域名检测方法

现有的DGA域名检测方式存在检测时间开销大、检测精度不高以及基于单词的DGA域名检测效果不佳等问题。经过研究发现,将域名先按照典型特征分类再进行更细致的特征提取,对于模型的准确率有一定的正向作用,且多类并行可以降低检测时间,此外对于较难检测的基于单词的DGA域名可以进行针对性处理。因此,文中提出了一种基于Word ninja分词技术的三路异构并行的DGA域名检测模型。先将域名分为三类,再针对每一类进行检测模型结构的搭建。对于字符级域名,通过人工提取特征来进行域名的有效分类。对于词根词缀级域名,采用FastTest进行子词之间、字符之间以及上下文之间关系的特征提取,再作为词向量嵌入。对于单词级域名,采用Word2Vec理解和处理词的含义和词之间的关系。最后,将文中方法和当前流行方法、多路异构并行模型和单路模型的检测结果进行比较评估,实验结果证明了提前分类的必要性以及多路并行的有效性。