摘要：为保障安卓应用环境中智能终端用户的信息安全,利用支持向量机(support vector machine,SVM),结合证据理论,提出一种面向安卓应用软件的可信性评估方法。该方法分为训练阶段和评估阶段实现,在前阶段,对应用软件样本的属性进行度量,即形成属性证据;利用属性证据对各关联SVM进行训练以确定分类模型。在后阶段,利用待测应用软件的度量结果和SVM分类模型,确定与各属性相关联的分类概率赋值;在对各属性证据赋予自适应权重的基础上,利用改进证据理论对各属性实现合成,用于评估软件的可信性。测试结果验证了所提方法的有效性。

摘要：为促进区块链技术在教育领域的应用实践,针对学位证书存证的教育业务场景,研究基于区块链的学位证书存证相关应用系统设计。鉴于现有的系统设计大都基于挖矿机制实现,交易处理效率较低,提出基于超级账本的学位证书存证系统设计。将可信学位证书信息存储进区块链中,解决学位证书存储存在的单点故障和潜在篡改问题;利用Kafka作为交易的消息队列,实现交易处理的高吞吐量,该系统设计具有可行性和正确性。实验测试结果表明,相比其它基于区块链的系统设计,该系统具有更高的交易处理速度。

摘要：通过分析智能终端中的恶意软件样本,提出一种基于系统调用(system calls,SC)的恶意软件动态检测框架。以系统调用为特征,为解决特征数量过多的问题,提出特征降维的方法;针对特征冗余量过多的问题,提出标签化系统调用与处理冗余信息的方案;将特征构建为马尔可夫矩阵,使用支持向量机(support vector machine,SVM)对其进行训练,实现恶意软件检测。实验结果表明,所提框架在大幅度降低传统恶意应用检测复杂度的同时,能达到97.8%的检测准确率。

摘要：现今主要的视觉SLAM回环检测方法是基于人工标记特征点算法进行图像间匹配,在复杂环境下会出现准确率急速下降的问题。针对此问题,结合卷积神经网络和局部敏感哈希算法,提出一种基于深度学习的回环检测方法。基于回环检测中的图像相似性判断策略构建图像特征向量集,运用级联的余弦距离哈希函数进行回环检测。实验结果表明,该方法较传统方法有着更高的准确率与速率,更好满足了视觉SLAM系统对消除累计误差和实时性的要求。

摘要：无线传感器网络中节点监控时采集的数据具有时间和空间上的相关性,给节点通信带来负担,缩短网络生命周期。为降低冗余数据,提出一种基于NARX神经网络的分簇数据融合算法(N-CDAA)。将NARX神经网络时序预测模型和基于矢量量化的分簇路由协议有机结合,从时间和空间相关性上消除冗余,把融合后的少量数据发送给汇聚节点,提高数据收集效率,延长网络生存时间。实验结果表明,该算法预测精度高,可有效降低数据传送量,到达延长网络生命周期的目的。