信息熵角度下的深度学习旁路安全评估框架

基于深度学习的建模类旁路密码分析（Deep Learning Side Channel Analysis/Attack,DLSCA）对于各种旁路攻击场景的密码破解效果都十分显著,但是DLSCA仍存有安全评估问题。基于AES对称加密算法的能量分析,通过信息熵角度分析准确率等传统机器学习性能指标无法评估DLSCA深度神经网络（Deep Neural Network,DNN）模型训练程度的原因。定义密钥信息量,分别阐释密钥信息量与旁路安全评估、DNN模型训练阶段性能评估的关系,建立深度学习模型与旁路分析二者的联系,提出以密钥信息量为核心的DLSCA安全评估框架。     

结合相对熵和多跳转发路由的改进WSN节能策略

目前,基于低功耗自适应集簇分层型协议(LEACH)的改进协议大多是从簇头选举、簇的分布、路径选择等方面入手,数据之间的冗余性考虑不够。提出了一种结合相对信息熵的改进LEACH协议(LEACH-CIE),结合相对熵模型,计算节点相邻两个周期数据概率分布的相对熵值,再与阈值进行比较,以此判断数据的冗余度,通过拒绝冗余数据的传输,达到降低网络能耗的目的。在数据发送阶段,考虑通信距离、能耗比等因素,提出一种兼顾自身剩余能量的多跳转发路由(MFRCRE),优化节点转发条件,均衡网络各节点的能量消耗速率。实验结果表明,该方法可以有效地降低并均衡网络节点的能耗以延长网络生存周期。     

基于AHP-Logistic熵权模型的西南浅丘区地质灾害分布特征研究——以内江市为例

我国西南地区地质灾害频发,为了探索该区域地质灾害的分布特征,以内江市为研究区,利用遥感卫星影像及地理国情监测数据,从自然地理、生态条件和基础地质3个方面建立生态地质环境评价指标体系。采用层次分析法(AHP)和二元Logistic回归模型分别确定各评价指标的主、客观权重,再用最小信息熵求出两者的综合权重,在GIS支持下建立地质灾害评价模型,对内江市地质灾害进行风险性评价分级;并通过高权重评价因子与历史地质灾害点的空间结构分析,揭示其空间分布特征及规律。评估结果表明:①内江市地质灾害中高易发区主要分布在西部低山区,占全区总面积的28.93%;②海拔和坡度是导致地质灾害发生的主要影响因子,在海拔较高、坡度较陡地区,且山区公路两旁极易发生地质灾害,沉寂式构造线附近地层相对稳定。     

一种多策略的中文领域本体概念抽取方法

为了提高中文领域本体概念抽取的准确率和召回率,提出一种多策略的中文领域本体概念抽取方法。该方法使用模式匹配法改进原有的单字合并法,经词性过滤和缺陷检测筛选出概念集组成用户词典,并送入概念抽取系统进行二次分词获得候选概念集;利用词频-逆向文本频率(TFIDF)方法和信息熵融合得到TFIDFE方法,计算概念权重以获得领域概念集。实验结果表明,该方法在领域术语抽取的准确率、召回率和F值上均有较好的效果。     

基于形状测度与最大信息熵函数的阈值法

针对光照不均匀、低对比度图像目标提取不完整的问题,提出融合应用形状测度与最大信息熵函数的图像阈值法。基于形状测度建立阈值化准则函数,应用像素点灰度或均值与梯度值建立共生矩阵,并得到最大信息熵阈值函数。兼顾形状测度对图像轮廓特征的获取及最大信息熵对图像边缘保留的特性,采用乘积的形式将两种函数进行融合,作为新的阈值选取准则。应用所提出的融合方法能够获得轮廓完整且边缘清晰的分割结果。     

投影寻踪方法在水资源承载力评价与预测中的应用

为解决区域水资源承载力综合评价中指标数据高维、非线性的问题,构建基于最大信息熵原理的投影寻踪水资源承载力评价方法,将该方法应用于2015年安徽省16个地级市水资源承载力的空间分布评价中;最后对2005—2015年安徽省全省水资源承载力进行动态评价,将该评价结果与灰色GM(1,1)模型结合,对2018—2020年安徽省区域水资源承载状况进行预测。结果表明:2015年,安徽省水资源承载空间分布状况整体表现为皖南地区优于皖中地区,皖中地区优于皖北地区;2005—2015年期间,全省水资源承载力虽基本处于临界超载状态,但年际间承载状况逐年好转。预测结果表明,2018—2020年全省水资源承载力保持良好的发展态势,总体向可载趋势发展。     

基于权值优化神经网络的交通拥堵程度决策方法

针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题,提出了一种基于权值优化神经网络方法。首先,采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性。其次,由信息熵计算证据的贡献度,并作为优化神经网络的输入层权值。接下来,由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值,以期降低不确定和不完备证据给整个网络带来的累积误差。最后,结合实际交通状况进行算例分析,验证了该方法的准确性与收敛性。结论分析表明,所提出的方法能作出准确的交通拥堵程度决策。     

一种基于动态阈值的突发流量异常检测方法

网络异常流量检测是当前网络安全领域的热点问题。传统的基于信息熵的检测方法大多采用固定阈值,无法动态适应不断变化的网络环境。针对该问题提出了一种改进的基于信息熵的突发流量检测方法,能根据正常历史流量的熵值动态调整阈值大小。实验结果表明,该方法对DDo S和Flash Crowd这两种情形引起的突发流量具有较好的检测效果。     

基于PSO的模拟电路故障信息特征提取

为了提高容差电路故障诊断的诊断效率,改善电路故障征兆的特征描述,采用基于信息熵的方法生成被测容差电路的故障特征,并提出了基于离散粒子群的容差电路故障信息的特征提取方法,由此确定用于故障诊断的最佳特征子集,并以此训练故障分类器,对容差电路的软故障进行诊断定位。实验证明了基于粒子群和信息熵的特征描述和特征提取方法的有效性。     

基于最大熵原理的洪水灾害灾情评估改进普适模型

作为区域灾害风险管理的重要组成部分,灾情评估可为区域灾害预防与发生以及更好地进行区域经济可持续发展规划提供科学依据.自然灾害灾情评估的难点是估算灾情发生的不确定性、损失的概率分布以及处理评价过程中指标的随机性和评价等级的模糊性.为此,提出了基于信息熵的改进灾情评估模型,用最大熵原理处理灾害发生的不确定性和损失的概率分布,用指数普适公式处理评价指标的变化差异性,并利用加速遗传算法优化相关参数,进而建立了基于信息熵的AGA优化改进灾情评估普适模型.应用结果表明:该模型有效地估算了灾害发生的概率,解决了评估灾害发生的不确定性问题,提高了评价的可靠性,且方法智能化程度高,可在多种灾情评价中进行推广应用.