摘要:

摘要:

摘要:软件规模的不断扩大和新技术平台的发展对软件漏洞挖掘方法提出了新的挑战。在突破漏洞挖掘技术瓶颈的过程中,研究人员将机器学习方法应用于漏洞挖掘,利用机器学习模型自动学习代码的深层语法和语义规律,以提高漏洞挖掘的智能化水平和有效性,软件漏洞智能化挖掘技术已成为当前研究的热点。围绕软件漏洞智能化挖掘技术的研究展开分析,从静态挖掘和动态挖掘2个方面,对机器学习与漏洞挖掘技术结合的研究进行了深入分析。在漏洞智能化静态挖掘方面,从基于代码度量、基于代码模式和基于代码相似性3个方面梳理了现有研究工作;在漏洞智能化动态挖掘方面,则分类阐述了机器学习方法与动态挖掘方法结合的相关研究。依据对现有工作的总结,对未来漏洞智能化挖掘的发展趋势进行了展望。

摘要:针对低轨卫星多普勒定位中最小二乘法(the least squar method, LSM)和扩展卡尔曼滤波(extended Kalman filter, EKF)带来的解算误差,采用容积卡尔曼滤波(cubature Kalmanfilter, CKF)算法的思想来进行定位解算。首先设计了一种基于GeoSOT剖分网格的初值搜索方法进行粗定位,避免迭代发散;在解算过程中,对CKF进行改进,用QR分解代替其中的Cholesky分解,防止误差协方差矩阵非正定导致计算终止;最后以铱星星座对地面站的静态定位为例,通过STK 进行仿真验证算法的有效性。结果表明,改进的CKF(improvedCKF, ICKF)算法对于目标的定位误差在百米以内;且相较于LSM 和EKF,定位精度大约可以提高17%。

摘要:利用友好干扰节点发送人工噪声是无线隐蔽通信中一种常见实现方法,可以增加监听者做出判断的不确定性,从而实现隐蔽传输。为此,考虑在无人机隐蔽通信网络中,部署一个空中的友好干扰节点,发射人工噪声干扰地面监听者的检测。对无人机与地面用户之间实现无线隐蔽传输进行了研究,分析了其有效隐蔽性能,联合优化了2架无人机的发送功率和位置部署以最大化隐蔽传输速率,使用粒子群优化算法与功率位置交替迭代算法2种优化方法得到最优的无人机部署位置及功率分配方案。仿真结果表明,联合优化方案相比于固定位置只优化功率的基准方案可以显著地提高系统隐蔽传输性能,且交替迭代算法所得结果要优于粒子群优化算法。

摘要:互联网上的网络资产数量庞大,环境复杂多变。然而,现有的评估指标无法全面地评估这些因素对漏洞产生的影响,从而影响评估结果的准确性。为了解决上述问题,构建了一种面向实网环境的漏洞指标体系,并将其应用到实际评估中。采用通用漏洞评分系统的基本指标作为静态指标,并利用预训练模型对漏洞描述文本进行静态分数的自动评估。同时,使用资产和环境因素作为动态指标,基于层次分析法计算各指标的权重,构建评估方程。在基于网络空间资源测绘平台数据计算动态分数的基础上,将其与静态分数结合,计算漏洞危害评分。所提出的面向实网环境的漏洞评估指标体系和基于网络空间资源测绘平台数据的漏洞评估方法,能够对漏洞的真实危害性进行评估,具有较高的评估准确性和较快的评估速度,因而具有良好的应用价值。

摘要:随着网络空间资产探测技术的不断发展,越来越多的资产脆弱面暴露在公众面前,在一定程度上增加了网络资产的安全风险。对网络资产进行脆弱性评估,可以及时发现脆弱性较强的高危资产,在安全事件未发生时主动对脆弱的网络资产进行保护和修复,从而有效降低网络安全事件发生的概率。现有研究主要集中在网络资产漏洞评估及网络系统脆弱性评估上,对网络资产脆弱性评估方法的研究还比较匮乏。为了更好地保护网络资产安全,提出了一种基于粒子群优化算法轻型梯度提升机(particle swarm optimization-light gradientboosting machine, PSO-LightGBM)的网络资产脆弱性评估模型。首先,依据行业标准和专家经验,提出针对网络资产脆弱性的评估指标体系,并根据从网络中爬取的网络资产数据,经预处理后构建了具有12个属性特征、11类标签值的网络资产脆弱性评估数据集;其次,将PSO 算法与LightGBM 模型相结合,利用机器学习方法实现网络资产脆弱性的自动化评估;最后,通过实验对比了几种机器学习模型在数据集上的表现,结果表明,基于PSO-LightGBM的网络资产脆弱性评估模型的评估准确率可以达到91.24%,充分验证了该模型的有效性。

摘要:针对认知无线电频谱预测效率不高的问题,提出了一种采用深度图像推断的频谱预测算法。该算法将序列预测问题转化为图像推断问题,构建深度图像推断网络实现无线电频谱预测。首先,对历史频谱数据进行预处理,提取频谱数据的变化特征;其次,使用双支路多层并联卷积神经网络提取数据的深度特征,经池化、合并操作输出多层次特征信息;最后,融合不同层次提取的特征信息,实现频谱数据的预测和生成。在真实频谱数据的多个频段对算法性能进行验证,实验结果表明算法能够有效地实现电磁频谱数据的预测,具有预测精度高的特点。

摘要:为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。

摘要:针对标准逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)在雷达干扰效果评估中存在受数据波动影响和对数据规律分析不充分的问题,提出了一种改进的TOPSIS法。该方法结合TOPSIS法和灰色关联分析理论对原始数据进行分析,并组合2种方法的评估结果作为最终的评估结果,弥补了TOPSIS法在雷达干扰效果评估中的缺陷,仿真实验验证了该方法的有效性。