-
题名基于深度森林的可见光通信网络恶意代码识别研究
被引量：4
- 1
-
-
作者
杨静
郭韦昱
杨文彬
-
机构
太原师范学院网络信息中心
中央财经大学信息学院
太原师范学院计算机系
-
出处
《激光杂志》
CAS
北大核心
2022年第10期150-154,共5页
-
基金
国家自然科学基金青年项目(No.6210022337)。
-
文摘
由于可见光通信网络恶意代码的升级和变形,导致恶意代码识别正确率与效率下降,因此,提出一种基于深度森林的可见光通信网络恶意代码识别方法。将恶意代码二进制文件映射为图片形式,并且通过分析图像梯度获取方向梯度直方图的特征,提取恶意代码图像特征向量。在随机森林模型中,利用决策树划分恶意代码类别,同时多粒度扫描图像特征向量矩阵,扫描结果作为深度森林的输入,输出中平均值最大的类别即为恶意代码,实现识别恶意代码。仿真实验结果表明,所提方法的识别误报率最低、正确率最高,并且识别效率最高,提高了光通信网络的安全性,其具有可行性和有效性。
-
关键词
深度森林
可见光通信网络
恶意代码
决策树
多粒度扫描
-
Keywords
deep forest
visible light communication network
malicious code
decision tree
multi granularity scanning
-
分类号
TN325
[电子电信—物理电子学]
-
-
题名基于双模态特征增强的目标检测算法研究与应用
被引量：4
- 2
-
-
作者
王文霞
张文
何凯
-
机构
太原师范学院网络信息中心
北京邮电大学信息与通信工程学院
中国空间技术研究院西安分院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2023年第9期1364-1374,共11页
-
基金
国家自然科学基金项目(No.62071058)资助。
-
文摘
为提升目标检测算法在复杂环境下的精确性和实用性,将多源信息和深度学习技术相结合,提出了一种基于双模态特征增强的目标检测方法。该方法以红外和可见光图像作为输入,利用颜色空间转换、边缘提取、直方图均衡化等传统图像处理方法丰富图像信息,达到数据增强效果;特征提取部分采用卷积神经网络结构分别提取目标红外及可见光信息,并设计混合注意力机制分别从通道和空间位置角度提升有效特征权重;同时,针对目标双模态信息,引入了自适应交叉融合结构,提高特征多样性;最后,利用交替上下采样将目标全局和局部特征充分融合,并以自主选择方式提取目标相关特征实现检测。通过在标准数据集以及实际场景数据集上的实验结果表明,所提方法有效融合并增强了目标多模态特征,提升了目标检测效果,并能较好的应用于电网场景中,辅助机器人完成目标设备检测。
-
关键词
双模态
特征增强
目标检测
混合注意力
自适应融合
多尺度检测
-
Keywords
bimodal
feature enhancement
object detection
mixed attention
adaptive fusion
multiscale detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN219
[电子电信—物理电子学]
-
