基于有效窗口和朴素贝叶斯的恶意代码分类

恶意代码分类是恶意代码分析和入侵检测领域中的核心问题.现有分类方法分析效率低,准确性差,主要原因在于行为分析原始资料规模大,噪声高,随机因素干扰.针对上述问题,以恶意代码行为序列报告作为基础,在分析随机因素及行为噪声对恶意代码行为特征和操作相似性的干扰之后,给出一个系统调用参数有效窗口模型,通过该模型加强行为序列的相似度描述能力,降低随机因素的干扰.在此基础上提出一种基于朴素贝叶斯机器学习模型和操作相似度窗口的恶意代码自动分类方法.设计并实现了一个自动恶意代码行为分类器原型MalwareFilter.使用真实恶意代码生成的行为序列报告对原型系统进行评估,通过实验证明了该方法的有效性,结果表明,该方法通过操作相似度窗口提高了训练和分类过程的性能和准确度.     

三维属性散射中心系数的多项式模型

为了解决多角度SAR数据三维属性散射中心提取中出现的散射系数函数形式未知、数据量大的问题,提出了一种对散射系数进行参数化建模的方法.这种建模方法在忽略雷达频率对散射系数的影响的前提下,首先根据散射系数幅度分段,然后在段内利用二维多项式进行建模.通过仿真实验验证,该方法简单易行,通过参数化模型恢复的图像,和原始图像有很高的相似度.不过,这种方法不能应用于延展型属性散射中心,需要在下一步的工作中继续进行研究.     

一个基于SOA的石油化工HSE信息系统的设计

针对当前石油化工HSE信息系统集中式结构、同步响应所引起的高耦合性、业务逻辑单一、对大规模应用和需求变更缺乏可扩展性和适应性、配置和控制缺乏灵活性等缺陷，基于SOA思想，将分布式技术运用于石化HSE信息系统，提出松耦合、高可靠、具有良好可扩展性和灵活性的HSE信息系统设计。     

点击未来热门职业

在高速发展、信息爆炸的社会里,从事何种职业,决定了一个人将如何实现自我价值和社会价值,深刻地影响着一个人的性格、思维方式乃至生活质量等。“择业”无疑成为一项重大而严肃的问题,不容忽视。请看由大连市第一中学的同学对现在热门职业的调查研究,为面临和将要面临“择业”的同学提供了一份全面、真实的参考。这些同学们还为此开展了模拟招聘会的实践活动,对每位同学在求职、应聘时应注意的问题和应掌握的技巧进行了互相指导(左图为同学们正在模拟招聘会的现场)。     

大数据在露天矿特征提取中的应用研究

为了使露天矿地质环境得到较好的保护,提出大数据在露天矿特征提取的应用流程。首先指出露天矿面临着数据量巨大、数据量分散以及数据格式不统一的问题,根据这些问题提出露天矿特征提取的应用流程,针对露天矿山地质环境特征信息的正常数据采用正射校正方式、异常数据采用图像裁剪方式进行预处理,增加主体设备系统内部的处理器,对运行状态进行实时监控管理,将露天矿山地质环境监测数据全部序列依次进行提取,实现露天矿特征信息提取,完成大数据在露天矿特征提取的应用流程。实验结果验证了该方法对露天矿山地质环境特征信息提取的有效性,提取精度和置信度较高,环境保护问题得到解决。