摘要：SDN作为一种新型网络架构,对网络进行集中控制、拥有全局网络视图和灵活编程能力,很大程度上代表了未来网络的发展方向。但SDN集中控制的特性和数据平面与控制平面的分离,会大大增加受到DoS攻击的可能性。该文首先详细分析了SDN环境下控制平面、数据平面、网络主机等遭受洪范式DoS攻击或隐藏式DoS攻击的不同特点;然后利用轻量级虚拟仿真软件Mininet,结合Floodlight控制器以及流量监测工具sFlow,展示了网络拓扑创建、主机间联通测试、流表下发和网络流量监测的整体流程;最后用SDN环境下的洪范式和隐藏式DoS攻击和防御案例进行实验教学。

摘要：针对传统Android恶意软件检测技术准确率不足的问题,该文设计并用实验验证了一种基于机器学习的Android恶意软件检测方法。首先提取Android应用的一些关键静态特征,生成对应的特征向量,然后采用机器学习算法构建并训练模型,最后对待测Android应用软件进行分类检测。实验结果表明,在使用相同数据集的情况下,支持向量机(SVM)算法取得了96.4%的检测率,略高于逻辑回归、朴素贝叶斯、决策树算法。通过实验,不仅使学生对Android应用软件有了更清晰的认识,还提升了学生用机器学习方法分析和解决实际问题的能力。

摘要：针对判别最小二乘回归(DLSR)对图像噪声鲁棒性不佳的问题,提出一种基于潜子空间去噪的子空间学习图像分类方法(DLSSL)。该方法在架构上不同于现有基于回归的分类方法,其在视觉空间与标签空间中引入一个潜在子空间,将传统的图像分类框架改进为两步,即先降噪后分类。该方法先通过欠完备自编码将数据的高阶特征提取到潜在空间,再利用此高阶特征进行回归分类,同时辅以组核范数约束控制类内样本间距离。潜在子空间的引入为算法框架带来了更多灵活性,缓解了视觉空间与标签空间中数据维度与特性的差异,使得欠完备自编码可以有效地对数据进行降噪,提升了分类算法的鲁棒性。在人脸、生物指纹、物体和深度特征数据集上设计了多组对比实验,实验结果表明,算法对于图像中的噪声具有较强的鲁棒性,获得的投影矩阵具有良好的判别性,相比现有图像分类算法,性能更好、普适性更强,能有效地运用于各种图像分类任务。

摘要：为提高协同表示模型的特征表达能力和鲁棒性,解决对正则参数敏感的问题,提出加权协同表示分类器(WCRC)并运用于人脸识别。基于L2范数求解最优化问题,利用训练样本的先验距离信息作为权重,将待识别图像与每类样本的距离信息作为先验信息引入到特征表示函数中,增强距离待识别样本较近的某类样本的重构权重,利用最小二乘法求解表示系数,根据待识别图像与每类训练图像的重构残差大小判断待识别图像的类别。通过实验测试以及与其它算法的对比验证了该方法的有效性。

摘要：针对现有图像恢复方法无法同时分离出稠密噪声和稀疏噪声的不足,提出了一种三分解模型(tridecomposition model,Tri-Decom)。该模型目的是将矩阵分解为三个分量矩阵,其中第一个矩阵表示干净数据,具有低秩性质,通过核范数刻画;第二个矩阵表示噪声数据,具有稀疏性质,通过L1范数刻画;第三个矩阵也表示噪声,但具有稠密性质,通过F范数刻画。通过不同的刻画函数可将观测数据分成干净数据、稀疏噪声和稠密噪声。为求解模型,设计了一种基于乘子交替方向法的求解算法,该算法可有效求解变量可分离的优化问题。该算法用于处理受到大稀疏噪声和小稠密噪声破坏的图像数据,在人脸图像和监控视频等领域的实验结果证明了所提方法的有效性。

摘要：面向对象程序设计课程是一门应用性和实践性很强的专业必修课。因此,对课程进行深入建设具有十分重要的意义。希望在今后的教学工作中通过对本课题的研究,探索出一套适合于南京审计大学计算机审计本科生教育的教学改革,提高计算机审计本科生的面向对象程序应用研究开发能力,从而培养出适应计算机审计和信息系统审计发展的实用型人才。

摘要：C语言是国际上广泛流行的计算机语言,既用来写系统软件,也用来写应用软件。C语言兼具高级语言形式、低级语言功能特殊的魅力,学生一旦掌握该语言,就可以轻松地学习其他任何一种程序设计语言。因此,C语言教学改革,无论对于学生学习,还是对其他语言课的教学改革都有重要意义。目前C语言教学还存在着一些问题,有待改革与探讨。