检索结果

Select

1. 基于改进MobileNetV2的恶意代码分类方法

轩勃娜, 李进, 宋亚飞, 马泽煊

《计算机应用》唯一官方网站 2023, 43 (7): 2217-2225. DOI: 10.11772/j.issn.1001-9081.2022060931

摘要（221）

HTML （9）

PDF （3547KB）（150）

针对传统恶意代码分类方法存在的精度不足、预测时间成本高和抗混淆能力弱等问题，提出一种基于改进MobileNetV2的恶意代码分类方法。首先，针对恶意代码加密和混淆等问题，使用坐标注意力（CA）方法引入更大范围的空间位置来增强恶意代码图像的特征；然后，针对从头开始训练导致的训练成本过高的问题，使用迁移学习（TL）来改进MobileNetV2的学习方式以提升抗混淆能力；最后，针对传统深度学习网络计算量大和收敛慢的问题，使用MobileNetV2轻量化卷积网络模型，并结合Ranger21改进训练方式以促进网络迅速收敛。实验结果表明：上述方法对Malimg数据集和DataCon数据集的准确率分别达到了99.26%和96.98%。在malimg数据集相较于AlexNet方法在准确率上平均提升了1.49%，检测效率上平均提升了45.31%；在DataCon数据集相较于集成学习方法准确率平均提升了1.14%。可见，基于改进MobileNetV2的恶意代码分类方法可以提升模型的泛化能力、抗混淆能力与分类效率。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于改进粒子群优化和极限学习机的网络安全态势预测

唐延强, 李成海, 宋亚飞

计算机应用 2021, 41 (3): 768-773. DOI: 10.11772/j.issn.1001-9081.2020060924

摘要（383）

PDF （1076KB）（624）

针对网络安全态势预测模型预测精度不高、收敛较慢等问题，提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先，通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整，使PSO初期搜索范围大、速度高，后期收敛能力强、稳定。其次，针对PSO易陷入局部最优的问题，提出一种粒子停滞扰动策略，将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力，又对局部搜索能力有所增强。最后，将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比，结合IPSO的ELM的预测精度提高了44.25%。实验结果表明，与PSO-ELM相比，IPSO-ELM的预测结果拟合度可达到0.99，收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 考虑决策者时序偏好的时域证据融合方法

李旭峰, 宋亚飞, 李晓楠

计算机应用 2019, 39 (6): 1626-1631. DOI: 10.11772/j.issn.1001-9081.2018102218

摘要（358）

PDF （873KB）（206）

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。

参考文献 | 相关文章 | 多维度评价