摘要：针对传统的基于特征码的恶意应用检测技术,在应对新的恶意应用产生情况下处理速度上的不足,提出一种基于深度学习的安卓恶意应用检测方法。通过对包含应用静态信息的文件进行反编译处理,提取可表征应用是否为恶意应用的信息,经过数据预处理后生成特征信息输入矩阵,采用多层卷积神经网络进行训练,优化得到较优的参数。实验结果表明,所提方法能有效检测出恶意应用。

摘要：“鸡尾酒会问题”在语音分离任务上一直是一个难题,主要因为这个问题属于一个说话人无关的语音分离问题,对于说话人事先不知道其先验信息。通过参考Jonathan等提出的深度聚类方法,在其基础上进行改进,提出基于时间卷及网络的深度聚类模型,以理想二值掩蔽作为分离目标并在公开中文语音数据集下进行实验。实验结果表明,相比传统深度聚类模型,所提模型在训练速度、分离后的语音质量和语音客观可懂度方面都得到了提升。

摘要：为进一步提高基于深度神经网络的语音增强方法的语音增强性能,针对单独使用循环神经网络对上下文信息利用有限的问题,提出一种利用门控循环编解码网络的语音增强方法。使用编码器解码器架构实现,使用循环神经网络对干净语音特征与含噪语音特征之间的映射关系建模,深入挖掘当前待增强语音帧和上下文信息之间的联系。实验结果表明,所提方法相较于基于深度前馈神经网络的语音增强方法增强语音的质量与可懂度更高,语音增强的性能更好,相较于直接应用门控循环神经网络的语音增强方法,显著提升了增强语音的质量。

摘要：磁流变阻尼器阻尼通道是影响阻尼器产生阻尼力大小的关键部位,基于有限元分析软件Ansys的流体和固体耦合计算技术,建立了活塞在缸内磁流变液中运动的数值计算模型,分析了活塞运动过程中缸内磁流变液的速度流场和压力分布状态,得出阻尼通道参数如何影响阻尼力的结论:阻尼力与阻尼通道间隙、线圈槽深成反比,与阻尼通道长度成正比,而线圈槽长的变化几乎不会引起阻尼力的变化;阻尼力的大小对阻尼通道间隙的改变最为敏感,对线圈槽长的变化最不敏感,对阻尼通道长度和线圈槽深的敏感度远低于对阻尼通道间隙的敏感度。

摘要：针对领域情感词典的局限性,提出一种中文领域情感词典自适应学习方法。从中文基础情感词典中选取少量种子词,采用基于CBOW模型和基于句法规则两种抽取方法,对领域语料库进行候选情感词的抽取,通过改进的SO_PMI算法对得到的候选情感词进行情感极性判定,形成领域正负情感词典。实验结果表明,该方法能够自适应生成领域情感词典,情感词识别准确率较高,该模型在中文情感分析应用中取得了较好的效果。

摘要：为解决国产操作系统缺乏统一开发标准且应用程序在开发过程中存在大量第三方库的调用,导致国产操作系统难以进行兼容性测试的问题,对操作系统兼容性概念以及动态链接原理进行研究,分析操作系统兼容性依赖要素,对依赖要素进行分级,提出基于依赖要素比对的国产操作系统兼容性测试方法,对待测试的操作系统进行要素扫描,通过比对两个操作系统依赖要素的一致性获得操作系统兼容性测试结果,给出实验数据验证了方法的可行性。

摘要：针对固态盘数据保护问题,提出一种基于物理不可克隆函数(physical unclonable function,PUF)的固态盘双向认证协议,实现加密固态盘和用户之间的身份认证以及密钥管理。认证协议以盘端PUF模块生成的物理指纹作为最高可信根,采用口令+UKey双认证因子,UKey作为用户身份认证标识和数据密钥载体。使用BAN逻辑和SPIN工具从形式化的角度对提出的协议进行分析和模型检测,分析结果表明,所提协议能够实现有效的双向认证,具备对恶意女仆攻击、中间人攻击、重放攻击、物理探测攻击、侧信道攻击等的抵抗能力。

摘要：为解决目前Simulink模型规则检查工具对国内如飞行控制等一些特定领域的标准规范覆盖不完善的问题,设计了41条建模准则,并基于元模型理论,提出了一种共性的解析和检查框架,在此基础上实现了Simulink模型规则检查工具SimREG。该方法通过一种无编译的方式来实现对Simulink模型的静态规则检查,在Simulink模型到元模型的映射过程中提取针对每条准则执行检查时需要的模型信息,并将模型重构为有向图的形式,然后在遍历过程中,对图中每个节点进行选定准则的分析处理,完成检查过程。SimREG完成了全部41条建模准则的检查过程,在与三个有代表性的规则检查工具的对比实验中取得了更好的检查结果。SimREG工具将元模型理论应用于Simulink模型的规则检查过程中,在检查速度更快的同时获得了更低的漏报率和误报率。

摘要：研究集合问题是安全多方问题的基础,当前已有的协议在处理集合问题时,不能保证集合运算的隐私性和正确性,且都是在全集范围下取值,导致应用范围受限,容易受到恶意敌手的攻击,安全性较低。因此,将集合是否存在交集问题转化为集合元素相减问题,并且基于高效的椭圆曲线加密方案,设计了一种半诚实模型下无全集限制求集合交集的保密计算协议。然后借助密码学工具设计了恶意模型下无全集限制求集合交集的保密计算协议。协议可以更好地抵御恶意攻击,且参与方无法通过观察结果推断出其他参与方的信息。这有助于提高整个协议的安全性。此外,该协议的计算复杂度和通信复杂度也低于其它现有同类型协议。