123,123

基于漫水填充算法的中文印章識(shí)別方法[其他][其他]

印章識(shí)別是智能化辦公中必不可少的一環(huán)，現(xiàn)階段的印章識(shí)別方法是將掃描后的電子文檔直接輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行識(shí)別，面臨著無(wú)法準(zhǔn)確定位印章位置、彎曲文本識(shí)別準(zhǔn)確率低等問(wèn)題。針對(duì)上述問(wèn)題，提出了一種高效的中文印章文本識(shí)別方法，該方法使用漫水填充算法處理灰度圖像進(jìn)行印章圖像特征增強(qiáng)，保證了中文印章檢測(cè)精度，同時(shí)引入了極坐標(biāo)轉(zhuǎn)換操作以確保文本特征完整性。為了評(píng)估本文方法的有效性，在現(xiàn)有的文本識(shí)別網(wǎng)絡(luò)模型進(jìn)行了多組對(duì)比實(shí)驗(yàn)。經(jīng)實(shí)驗(yàn)表明，已有的網(wǎng)絡(luò)模型融合該方法所提取的文本特征均表現(xiàn)出優(yōu)異的識(shí)別結(jié)果。

發(fā)表于：2022/11/9 11:53:00

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

以青島市城市信息模型(Q-CIM)為基礎(chǔ)，分析了基于時(shí)間和空間數(shù)據(jù)的新一代編碼技術(shù)——時(shí)空編碼技術(shù)的特征，結(jié)合Web3.0開(kāi)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(shí)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(shí)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(shí)空編碼技術(shù)應(yīng)用在Web3.0數(shù)字金融流量分發(fā)與反欺詐、智能化風(fēng)險(xiǎn)控制、數(shù)字金融風(fēng)控等方面的可能性。

發(fā)表于：2022/10/27 14:39:52

考慮知識(shí)庫(kù)的企業(yè)隱性知識(shí)傳播模型研究[其他][其他]

針對(duì)企業(yè)知識(shí)庫(kù)對(duì)隱性知識(shí)傳播的影響，基于經(jīng)典的傳染病動(dòng)力學(xué)理論，提出考慮知識(shí)庫(kù)的企業(yè)隱性知識(shí)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(lèi)；其次，利用微分動(dòng)力學(xué)和下一代矩陣方法計(jì)算模型的傳播閾值；最后，運(yùn)用MATLAB軟件對(duì)模型參數(shù)進(jìn)行數(shù)值仿真分析。研究結(jié)果表明，企業(yè)知識(shí)庫(kù)的建立可以促進(jìn)企業(yè)的隱性知識(shí)傳播，未知者自學(xué)率的提高可以增加企業(yè)傳播者密度，企業(yè)獎(jiǎng)勵(lì)強(qiáng)度的增大僅對(duì)傳播者有較大影響，對(duì)未知者和潛伏者影響較小。

發(fā)表于：2022/10/27 14:34:43

無(wú)線(xiàn)傳感網(wǎng)絡(luò)分段線(xiàn)性融合定位算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為實(shí)現(xiàn)對(duì)移動(dòng)節(jié)點(diǎn)精確定位，提出一種基于APIT-3D的移動(dòng)節(jié)點(diǎn)定位模型和算法，綜合3D-DVHop跳段距離和RSSI測(cè)距技術(shù)，在計(jì)算內(nèi)測(cè)點(diǎn)與最近椎面距離基礎(chǔ)上，利用與椎體成形體積判斷內(nèi)測(cè)點(diǎn)位置，有效避免“In-To-Out”和“Out-To-In”兩類(lèi)錯(cuò)誤產(chǎn)生。在確定椎體重疊區(qū)域后，通過(guò)最小二乘法結(jié)合空間分段線(xiàn)性融合方式計(jì)算節(jié)點(diǎn)位置。仿真實(shí)驗(yàn)證明，該分段線(xiàn)性融合定位算法對(duì)移動(dòng)節(jié)點(diǎn)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(yùn)動(dòng)趨勢(shì)，追蹤移動(dòng)目標(biāo)，描述運(yùn)動(dòng)軌跡。該算法為無(wú)線(xiàn)傳感網(wǎng)絡(luò)定位提供了算法借鑒和創(chuàng)新。

發(fā)表于：2022/10/27 14:29:15

基于分解策略的多標(biāo)簽在線(xiàn)特征選擇算法[其他][其他]

在線(xiàn)學(xué)習(xí)方法是用于大規(guī)模數(shù)據(jù)集的、高效且可擴(kuò)展的機(jī)器學(xué)習(xí)算法。然而，在對(duì)多標(biāo)簽數(shù)據(jù)集進(jìn)行特征選擇時(shí)，傳統(tǒng)的在線(xiàn)多標(biāo)簽學(xué)習(xí)方法需要訪問(wèn)數(shù)據(jù)集的所有特征，當(dāng)數(shù)據(jù)集具有較高維度時(shí)，這種在線(xiàn)學(xué)習(xí)方式并不能適用于實(shí)際情景。針對(duì)多標(biāo)簽數(shù)據(jù)集的特征選擇，在現(xiàn)有研究的基礎(chǔ)上，使用二類(lèi)分解策略，提出基于分解策略的多標(biāo)簽在線(xiàn)特征選擇算法。該算法利用稀疏正則化和截取方法進(jìn)行在線(xiàn)特征選擇，降低計(jì)算復(fù)雜度。實(shí)驗(yàn)表明，算法的特征選擇性能優(yōu)于其他多標(biāo)簽在線(xiàn)特征選擇算法。

發(fā)表于：2022/10/27 14:21:02

基于特征序列的惡意代碼靜態(tài)檢測(cè)技術(shù)[其他][信息安全]

近年來(lái)，基于機(jī)器學(xué)習(xí)方法的惡意代碼檢測(cè)方法存在著無(wú)法自動(dòng)和高效地提取惡意代碼的問(wèn)題，有些還需要人工對(duì)特征進(jìn)行提取，但是提取的特征沒(méi)有深層地描述惡意代碼行為，存在檢測(cè)的準(zhǔn)確率較低、效率低等缺點(diǎn)。通過(guò)對(duì)靜態(tài)惡意代碼進(jìn)行分析，從紋理特征和操作碼特征入手，在提取紋理特征過(guò)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(guò)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(jìn)行融合。

發(fā)表于：2022/10/27 14:10:40

基于溯源圖節(jié)點(diǎn)級(jí)別的APT檢測(cè)[人工智能][其他]

傳統(tǒng)的入侵檢測(cè)系統(tǒng)無(wú)法應(yīng)對(duì)日益增多和復(fù)雜的網(wǎng)絡(luò)攻擊(如高級(jí)持續(xù)性威脅)，因?yàn)榭赡茉趲讉€(gè)月內(nèi)不能檢測(cè)出隱蔽威脅事件并具有較高誤報(bào)率。最近研究建議利用溯源數(shù)據(jù)來(lái)實(shí)現(xiàn)基于主機(jī)的入侵檢測(cè)，溯源圖是由溯源數(shù)據(jù)構(gòu)造成的有向無(wú)環(huán)圖。然而，以前的研究是提取了整個(gè)溯源圖的特征，對(duì)圖中的少量異常攻擊實(shí)體（節(jié)點(diǎn)）不敏感，因此無(wú)法準(zhǔn)確識(shí)別異常節(jié)點(diǎn)。提出了一種在溯源圖節(jié)點(diǎn)級(jí)別上的APT實(shí)時(shí)檢測(cè)方法。采用K-Means和輪廓系數(shù)相結(jié)合的方法對(duì)訓(xùn)練數(shù)據(jù)集中的良性節(jié)點(diǎn)進(jìn)行聚類(lèi)，生成良性節(jié)點(diǎn)簇，通過(guò)判斷新節(jié)點(diǎn)是否屬于良性節(jié)點(diǎn)簇來(lái)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(píng)估該方法，結(jié)果表明該方法準(zhǔn)確率達(dá)到95.83%，并且能夠準(zhǔn)確識(shí)別和定位異常節(jié)點(diǎn)。

發(fā)表于：2022/10/27 13:56:58

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

針對(duì)物聯(lián)網(wǎng)流量入侵檢測(cè)的全局特征提取問(wèn)題，對(duì)現(xiàn)有的網(wǎng)絡(luò)入侵檢測(cè)方法進(jìn)行了改進(jìn)，提出了一種基于組合神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)方法。首先利用一維密集連接卷積神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)集中流量的空間特征進(jìn)行提?。蝗缓罄瞄T(mén)控循環(huán)神經(jīng)單元進(jìn)一步提取時(shí)序特征，完成對(duì)物聯(lián)網(wǎng)流量數(shù)據(jù)的時(shí)空特征提取；最后采用UNSW-NB15和Bot-iot數(shù)據(jù)集對(duì)組合神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多分類(lèi)訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明，所提方法在準(zhǔn)確率以及其他評(píng)價(jià)指標(biāo)方面均有一定的提高，表明了該方法的有效性。

發(fā)表于：2022/10/26 18:53:00

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

近年來(lái)，在利益驅(qū)動(dòng)下通過(guò)傳播挖礦木馬程序，利用受害者主機(jī)算力進(jìn)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(shí)別、威脅情報(bào)匹配、攻擊鏈模型關(guān)聯(lián)分析、AI基因模型監(jiān)測(cè)等開(kāi)展技術(shù)研究，結(jié)合研究成果進(jìn)行了實(shí)際網(wǎng)絡(luò)流量監(jiān)測(cè)應(yīng)用，為挖礦木馬的防范和治理提供思考與借鑒。

發(fā)表于：2022/10/26 18:40:00

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(diǎn)，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(kù)使用多條件數(shù)據(jù)查詢(xún)及過(guò)濾、數(shù)據(jù)分組、數(shù)據(jù)清洗方法，并使用Python第三方庫(kù)Pandas對(duì)流調(diào)數(shù)據(jù)做時(shí)間間隔計(jì)算。最后，在此基礎(chǔ)上對(duì)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(duì)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(duì)基層民警提高大數(shù)據(jù)處理效率有借鑒意義，對(duì)疫情防疫流調(diào)工作有重要意義。

發(fā)表于：2022/10/26 18:36:23