四川省应用基础研究计划项目(2006J13-065)
- 作品数：5 被引量：13H指数：2
- 相关作者：叶茂朱莺嘤郑凯元刘乃琦李筝更多>>
- 相关机构：电子科技大学更多>>
- 发文基金：四川省应用基础研究计划项目教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于Windows NativeAPI序列的系统行为入侵检测被引量：7
- 2008年
- 针对Windows系统入侵检测的不足,研究并借鉴Linux下基于系统调用序列进行入侵检测的方法,提出一种采用BP神经网络算法对Windows Native API序列学习和分类的内核级主机入侵检测方案。通过实验,验证了采用Windows Native API序列进行系统入侵的可行性。Native API是Windows系统内核模式下的API,可以类比于Linux下的系统调用。通过训练神经网络学习Native API序列,建立一个对正常和异常Native API序列进行分类的BP神经网络。在入侵检测时,利用训练后的神经网络对不断出现的Windows Native API序列进行分类,判断系统是否出现异常入侵。
- 朱莺嘤叶茂刘乃琦李筝郑凯元
- 关键词：入侵检测WINDOWSNATIVEAPIBP神经网络
- 工程化教学思想在随机过程与排队论课程中的体现被引量：2
- 2008年
- 随机过程与排对论课程属于计算机科学与技术专业研究生课程基础课程。本文介绍了我院是如何将工程化教学思想应用于课程教学中，从而对学生理解和掌握随机过程与排队论理论，并熟练运用所学知识起到非常积极的作用。
- 叶茂
- 关键词：排队论工程应用
- 基于高斯混合模型流行音乐中歌唱部分的智能检测被引量：3
- 2009年
- 有效地检测出流行音乐中的歌唱部分对在海量数据库中进行音乐检索、浏览、归类,以及旋律提取和歌唱家识别等有较大的价值.本文使用在语音信号处理中广泛使用的基于梅尔频率的倒谱系数(MFCC)作为语音特征来分析所要处理的音乐信号,并采用高斯混合模型(GMM)的建模方法分别为音乐中的伴奏部分(non-vocal)和歌唱部分(vocal)建立相应的GMM,进而实现音乐中歌唱部分的智能检测.与传统的只用一组手工标示了vocal和non-vocal的训练数据分别为两类数据训练一个GMM的方法相比较,本文在此基础上,再分别用一组纯歌唱部分数据和一组纯伴奏部分数据为每类建立一个GMM,然后将上述得到的两个vocalGMMs和non-vocalGMMs进行线性组合得到表示每类的概率模型.本文使用似然概率分类器作为系统的决策函数.实验结果表明该方法能够有效提高系统的识别性能.
- 李丽娟叶茂赵欣
- 关键词：高斯混合模型
- 计算机病毒免疫信息网络发布算法被引量：1
- 2008年
- 结合传统的网络拓扑结构和单机节点访问率,改进了无标度网络结构下病毒传播模型,进而提出了新的目标节点的定义。根据新的网络病毒传播模型,提出了一种基于门限判决的计算机病毒免疫算法。利用OPENET仿真实验平台,比较了该算法与以往免疫算法的性能和效率。仿真结果表明该算法免疫更少的节点即可达到全网免疫状态,且时间更快,效率更高。因此,该文算法能有效遏制病毒大规模爆发和传播,具有一定的社会意义和经济价值。
- 李筝叶茂车越岭朱莺嘤郑凯元
- 关键词：病毒传播模型网络免疫
- 一种基于图的异常入侵检测新算法被引量：2
- 2008年
- 根据主机系统异常入侵过程中Windows native API序列的瞬时高频性,提出一种基于图的异常入侵检测算法。该算法首先将每个Native API映射成为图中的一个点,并以其为起点的子序列作为该点的路径、Native API的前后调用关系为边;其次,对图中每个点记录各自的路径,在这些点的路径中找到若干个圈,圈定义为因对同一个N-ative API重复调用而在图中出现的回路;然后,对组成圈的所有边权值根据一定规则更新;最后利用图的边与其邻边权值差计算出异常指数,判断该序列是否异常。实验结果表明该算法在Windows平台下能实时有效地检测出异常入侵和病毒的Native API序列。
- 朱莺嘤叶茂刘乃琦吴康郑凯元
- 关键词：异常入侵检测WINDOWSNATIVEAPI
