摘要：针对网络空间中流量数据的数字资产探测问题,本文提出了一种基于卷积神经网络的操作系统指纹快速识别方法。首先对网络空间资产探测原理进行了概述,通过对基于SVM的操作系统识别和基于决策树的操作系统识别方法进行对比,设计和构建了以ReLU函数作为激活函数的二层卷积模型且增加了BN层、池化层、全连接层,使用流量探测分析工具p0f将其指纹库操作系统指纹数据作为训练集,对收集到的流量数据作为测试集进行指纹识别测试,并将SVM方法和决策树方法与本文构建模型进行对照组实验。实验结果表明,本文提出的操作系统识别模型具有较高的收敛速度,且平均判别准确率相比于SVM算法和C4.5决策树算法提高了13和6个百分点,证明模型在操作系统识别方面具有良好的性能。

摘要：基于角色的访问控制(Role-Based Access Control,RBAC)是目前广泛采用的访问控制机制,通过在用户与权限之间引入角色的概念,简化了用户的权限管理,减少了系统的开销。在RBAC中一个关键问题是角色的挖掘和构建,目前角色挖掘算法的研究仍存在产生的角色数过多,运行效率低等问题。针对角色挖掘算法GO其所存在的缺陷,设计了新的算法全局优化函数,并在真实数据集上通过算法评价指标与四种经典角色挖掘算法进行对比试验,结果说明了设计算法的优异性能。