久久精品亚洲热综合一本奇米,台湾无码中文娱乐网

時空編碼技術(shù)在Web3.0數(shù)字金融中的應用研究[其他][其他]

以青島市城市信息模型(Q-CIM)為基礎，分析了基于時間和空間數(shù)據(jù)的新一代編碼技術(shù)——時空編碼技術(shù)的特征，結(jié)合Web3.0開放性和可能的發(fā)展方向，從架構(gòu)、身份管理、信息管理等方面論證時空編碼技術(shù)成為Web3.0的重要支撐技術(shù)的合理性，并利用時空編碼的唯一性和確定性特征，結(jié)合區(qū)塊鏈、大數(shù)據(jù)等現(xiàn)有技術(shù)手段，探討將時空編碼技術(shù)應用在Web3.0數(shù)字金融流量分發(fā)與反欺詐、智能化風險控制、數(shù)字金融風控等方面的可能性。

發(fā)表于：10/27/2022 2:39:52 PM

考慮知識庫的企業(yè)隱性知識傳播模型研究[其他][其他]

針對企業(yè)知識庫對隱性知識傳播的影響，基于經(jīng)典的傳染病動力學理論，提出考慮知識庫的企業(yè)隱性知識傳播模型。首先，將企業(yè)員工分為未知者S、潛伏者Se、傳播者I、免疫者R四類；其次，利用微分動力學和下一代矩陣方法計算模型的傳播閾值；最后，運用MATLAB軟件對模型參數(shù)進行數(shù)值仿真分析。研究結(jié)果表明，企業(yè)知識庫的建立可以促進企業(yè)的隱性知識傳播，未知者自學率的提高可以增加企業(yè)傳播者密度，企業(yè)獎勵強度的增大僅對傳播者有較大影響，對未知者和潛伏者影響較小。

發(fā)表于：10/27/2022 2:34:43 PM

無線傳感網(wǎng)絡分段線性融合定位算法[通信與網(wǎng)絡][通信網(wǎng)絡]

為實現(xiàn)對移動節(jié)點精確定位，提出一種基于APIT-3D的移動節(jié)點定位模型和算法，綜合3D-DVHop跳段距離和RSSI測距技術(shù)，在計算內(nèi)測點與最近椎面距離基礎上，利用與椎體成形體積判斷內(nèi)測點位置，有效避免“In-To-Out”和“Out-To-In”兩類錯誤產(chǎn)生。在確定椎體重疊區(qū)域后，通過最小二乘法結(jié)合空間分段線性融合方式計算節(jié)點位置。仿真實驗證明，該分段線性融合定位算法對移動節(jié)點定位在百分之25th，50th和75th定位偏差值分別為1.81 m，2.45 m和3.32 m，并能判斷運動趨勢，追蹤移動目標，描述運動軌跡。該算法為無線傳感網(wǎng)絡定位提供了算法借鑒和創(chuàng)新。

發(fā)表于：10/27/2022 2:29:15 PM

基于分解策略的多標簽在線特征選擇算法[其他][其他]

在線學習方法是用于大規(guī)模數(shù)據(jù)集的、高效且可擴展的機器學習算法。然而，在對多標簽數(shù)據(jù)集進行特征選擇時，傳統(tǒng)的在線多標簽學習方法需要訪問數(shù)據(jù)集的所有特征，當數(shù)據(jù)集具有較高維度時，這種在線學習方式并不能適用于實際情景。針對多標簽數(shù)據(jù)集的特征選擇，在現(xiàn)有研究的基礎上，使用二類分解策略，提出基于分解策略的多標簽在線特征選擇算法。該算法利用稀疏正則化和截取方法進行在線特征選擇，降低計算復雜度。實驗表明，算法的特征選擇性能優(yōu)于其他多標簽在線特征選擇算法。

發(fā)表于：10/27/2022 2:21:02 PM

基于特征序列的惡意代碼靜態(tài)檢測技術(shù)[其他][信息安全]

近年來，基于機器學習方法的惡意代碼檢測方法存在著無法自動和高效地提取惡意代碼的問題，有些還需要人工對特征進行提取，但是提取的特征沒有深層地描述惡意代碼行為，存在檢測的準確率較低、效率低等缺點。通過對靜態(tài)惡意代碼進行分析，從紋理特征和操作碼特征入手，在提取紋理特征過程中，提出一種Simhash處理編譯文件轉(zhuǎn)換成灰度圖像的方法，生成灰度圖像后通過GIST算法和SIFT算法提取全局和局部圖像紋理特征，并將全局和局部圖像特征進行融合。

發(fā)表于：10/27/2022 2:10:40 PM

基于溯源圖節(jié)點級別的APT檢測[人工智能][其他]

傳統(tǒng)的入侵檢測系統(tǒng)無法應對日益增多和復雜的網(wǎng)絡攻擊(如高級持續(xù)性威脅)，因為可能在幾個月內(nèi)不能檢測出隱蔽威脅事件并具有較高誤報率。最近研究建議利用溯源數(shù)據(jù)來實現(xiàn)基于主機的入侵檢測，溯源圖是由溯源數(shù)據(jù)構(gòu)造成的有向無環(huán)圖。然而，以前的研究是提取了整個溯源圖的特征，對圖中的少量異常攻擊實體（節(jié)點）不敏感，因此無法準確識別異常節(jié)點。提出了一種在溯源圖節(jié)點級別上的APT實時檢測方法。采用K-Means和輪廓系數(shù)相結(jié)合的方法對訓練數(shù)據(jù)集中的良性節(jié)點進行聚類，生成良性節(jié)點簇，通過判斷新節(jié)點是否屬于良性節(jié)點簇來判別是否存在異常。在Unicorn SC-2和DARPA TC兩種公共數(shù)據(jù)集上評估該方法，結(jié)果表明該方法準確率達到95.83%，并且能夠準確識別和定位異常節(jié)點。

發(fā)表于：10/27/2022 1:56:58 PM

基于組合神經(jīng)網(wǎng)絡的物聯(lián)網(wǎng)入侵檢測方法[通信與網(wǎng)絡][物聯(lián)網(wǎng)]

針對物聯(lián)網(wǎng)流量入侵檢測的全局特征提取問題，對現(xiàn)有的網(wǎng)絡入侵檢測方法進行了改進，提出了一種基于組合神經(jīng)網(wǎng)絡的入侵檢測方法。首先利用一維密集連接卷積神經(jīng)網(wǎng)絡對數(shù)據(jù)集中流量的空間特征進行提取；然后利用門控循環(huán)神經(jīng)單元進一步提取時序特征，完成對物聯(lián)網(wǎng)流量數(shù)據(jù)的時空特征提?。蛔詈蟛捎肬NSW-NB15和Bot-iot數(shù)據(jù)集對組合神經(jīng)網(wǎng)絡模型進行多分類訓練和測試。實驗結(jié)果表明，所提方法在準確率以及其他評價指標方面均有一定的提高，表明了該方法的有效性。

發(fā)表于：10/26/2022 6:53:00 PM

虛擬貨幣挖礦木馬行為監(jiān)測技術(shù)研究與應用[通信與網(wǎng)絡][信息安全]

近年來，在利益驅(qū)動下通過傳播挖礦木馬程序，利用受害者主機算力進行挖礦獲取虛擬貨幣的行為愈演愈烈。從攻擊者視角分析了挖礦木馬的暴力爆破、漏洞利用、木馬植入、橫向傳播等典型攻擊路徑，基于挖礦協(xié)議的流量識別、威脅情報匹配、攻擊鏈模型關聯(lián)分析、AI基因模型監(jiān)測等開展技術(shù)研究，結(jié)合研究成果進行了實際網(wǎng)絡流量監(jiān)測應用，為挖礦木馬的防范和治理提供思考與借鑒。

發(fā)表于：10/26/2022 6:40:00 PM

公安工作疫情流調(diào)大數(shù)據(jù)建模和安全分析[其他][數(shù)據(jù)中心]

根據(jù)疫情流調(diào)數(shù)據(jù)特點，建立流調(diào)數(shù)據(jù)模型量化防疫具體需求。為了快速篩選出防疫需求的數(shù)據(jù)，基于MySQL數(shù)據(jù)庫使用多條件數(shù)據(jù)查詢及過濾、數(shù)據(jù)分組、數(shù)據(jù)清洗方法，并使用Python第三方庫Pandas對流調(diào)數(shù)據(jù)做時間間隔計算。最后，在此基礎上對模型數(shù)據(jù)做可視化處理，直觀地反映流調(diào)數(shù)據(jù)情況，并對流調(diào)數(shù)據(jù)的傳輸作了安全分析。本文數(shù)據(jù)處理方法對基層民警提高大數(shù)據(jù)處理效率有借鑒意義，對疫情防疫流調(diào)工作有重要意義。

發(fā)表于：10/26/2022 6:36:23 PM

基于DCMM的高校數(shù)據(jù)治理能力評估應用與研究[其他][數(shù)據(jù)中心]

針對在高校實施數(shù)據(jù)治理的評估評價相對方法不足和較少開展的問題，通過文獻梳理研究了數(shù)據(jù)治理評估在相關應用領域的研究進展，列舉了5種主流數(shù)據(jù)治理模型及其作為數(shù)據(jù)治理水平評估模型的適用性。選取DCMM數(shù)據(jù)管理能力成熟度模型，面向高校進行數(shù)據(jù)治理評估指標體系的問卷設計，采用AHP層次化方法對問卷數(shù)據(jù)進行結(jié)果分析，展示出高校數(shù)據(jù)治理能力的建設狀況。通過分析說明基于治理模型的高校數(shù)據(jù)治理評估方法的可行性，并且給出數(shù)據(jù)治理提升的措施和建議。

發(fā)表于：10/26/2022 6:31:16 PM