摘要：为解决大规模复杂网络环境下网络流量数据多源、异构,流量信息资源缺乏一致性描述影响分类性能的问题,提出一种基于本体的网络流量分类方法。采用本体语义化描述网络流量信息资源,分层化构建网络流量本体,借助决策树算法建立分类模型,生成推理规则集,通过知识推理实现网络流量分类。实验结果表明,该方法有效可行,与SVM、BayesNet、BP神经网络分类方法相比,采用C4.5方法建立分类模型所需的训练时间明显低于其它方法,在识别准确率、泛化能力及稳定性方面表现最优。

摘要：密码S盒是许多对称密码算法的核心部件,通常决定算法的安全强度.如何设计并确保密码S盒具有一定能力抵御侧信道攻击(如功耗攻击)一直是业界研究的难点.在密码S盒的设计中,除了传统的代数构造外,采用自动搜索工具(如元胞自动机(cellular automata, CA))进行搜索设计也是当前研究热点之一.基于CA规则,采用变元分量部分固定和分别搜索的策略,提出了一种S盒新搜索方法.研究结果表明:更多的4×4最优S盒被发现,实现S盒的扩展;特别地,该方法还可以将CA规则下3类4×4次优S盒转化为4×4最优S盒.与已有结果相比较,新发现的4×4最优S盒具有较低透明阶等优点,能更好地抵御侧信道攻击.

摘要：随着云计算的发展,云虚拟主机不仅面临着传统主机的安全问题,也面临着云安全问题.针对漏洞入侵、虚拟主机逃逸等问题,云平台缺乏主机监控方法.Linux系统内核的关键函数位置下插入探测点,在内核层收集所需要的系统进程信息,提出了基于内核Kprobe机制的进程信息监控方案的设计思路及实现方法.以上方案有助于保护云虚拟主机的系统安全和数据安全,完善云平台的监控系统.通过对系统安装应用的前后的系统性能测试,证明设计的进程监控方法占用系统资源较低,从而证实了所设计方案有良好的可行性.

摘要：为了解决运用Lattice FPGA的深度嵌入式应用环境不便于升级维护的问题,提出一种基于STM32的新型脱机编程方案。该方案由上位机软件和基于STM32的脱机编程器两部分组成,实现了PC端的熔丝图VME文件格式转换、优化、管理及传输至脱机编程器和编程器上VME文件的存储、选择及下载功能。设计的脱机系统摆脱了传统的FPGA器件编程方式对PC机的依赖,提高了编程效率。通过测试及实际应用结果表明,该脱机编程系统具有便携、灵活、稳定的特点,能够有效地满足目标应用的生产、维护、升级需求。

摘要：针对当前OpenStack云平台的虚拟机调度策略未综合考虑服务器能耗、使用数量、计算性能带来的高能耗、服务器数量较多、较高的服务等级协议(SLA)违背率的影响,构建了综合这几方面因素的能效优化模型,根据该模型设计了一种基于自适应双策略差分进化算法的虚拟机放置策略。算法包括变异阶段根据种群分组差异选择不同变异策略,增加自适应交叉与变异参数用于提高算法收敛速度,使用综合能效优化模型作为适应度函数评价进化个体。实验仿真表明,本文策略使得OpenStack中虚拟机放置具有比其内置算法和DE、PSO算法更低的能耗、更小SLA违背率和更少的服务器使用数量。

摘要：为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法。学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联特征向量,实现向量之间的信息融合,解决向量特征表示无关的问题;基于动态池化层和注意力机制对特征重新加权,提取文本更高层次的抽象特征,其中,多次的动态池化操作学习到文本的深层次特征;采用softmax分类方法进行情感极性分类。实验结果表明,根据准确率、召回率和F值等衡量指标,基于动态池化和注意力机制的特征提取模型性能比普通的卷积神经网络和基于单注意力机制的卷积神经网络有明显的提高。

摘要：为解决在大规模网络流量上使用SVM(support vector machine)算法时训练速度慢的问题,提出一种基于并行DAGSVM(directed acyclic graph support vector machine)的网络流量分类方法。利用有向无环图,将使用Spark中并行二分类SVM算法训练得到的子分类器组合得到并行多分类SVM分类器。对比实验结果表明,与单机SVM方法相比,该方法在确保较高分类精度的前提下,训练速度提高了100倍以上。

摘要：现实中拍摄的字轮式水表图像的读数区域存在不同的位数和旋转角度的问题,这些问题对识别准确率造成很大的影响。针对这种情况,提出一种基于深度学习的水表读数检测与识别算法。该方法使用改进的圆盘检测算法来对水表圆盘进行检测;采用一种改进的多方向全卷积网络检测出水表的读数区域,同时提出一种图像旋转矫正算法,实现对水表读数区域的矫正与分割;对于读数识别,设计一种轻量级的神经网络,减少模型大小和加速训练过程的同时保持较高的识别精度。实验结果表明,该方法的圆盘检测率从93.97%提高到了96.38%,读数区域检测模型对不同类型的水表读数区域具有较好的检测效果,识别模型的大小从8.77 MB减少到7.32 MB,模型的训练和测试时间短,准确率达到96.44%。

摘要：针对传统的新词发现中,数据的稀疏性使一些低频新词无法识别等问题,提出一种对分词结果计算信息量且将深度学习模型BiLstm-CRF用于新词发现的方法,计算出的信息量用以表示词语内部粘合度和分离度,并加入人工规则进行过滤。BiLstm-CRF模型精度高,对词向量的依赖小,考虑到上下文信息。信息量和模型两部分的结合解决了大量人工序列标注问题,提高了低频新词的识别率。实验结果表明,该方法能有效提高了新词识别的准确率。

摘要：为了解决通信范围建模为圆形区域且存在相互重叠的无线传感器网络中移动sink路径规划这一NP难问题,提出了一种新的基于萤火虫群的路径规划方法.首先依据问题的特性对可行解空间进行了压缩;然后为提高算法在高维解空间的搜索效率,对离群萤火虫粒子设计了变异操作并设计了个体逐维移动的方式,提高了算法的求解精度并加快了算法的收敛速度.通过仿真实验分析及与其他算法的对比,验证了该方法的有效性.