基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。     

基于字符和汉字的语音验证码的实现

在目前的人机交互和计算机网络安全的领域中,验证码技术是一个比较前沿和新颖的课题,验证码技术在互联网上有着很广泛的应用。我们在访问互联网的时候通常使用的是字母加数字的验证码技术,这种验证码技术是基于视觉图片的验证方式,但这给残疾人带来了不便。基于字符和汉字的语音验证码不但能给残疾人带来一定的便利,也能够加强计算机网络的安全,提升其保护性能。该文对基于字符和汉字的语音验证码技术进行了探讨。     

基于随机游走算法的社交网络构建

为了挖掘社交网络的用户信息,从复杂的社交网络提取有价值的数据,需要对社交用户网络进行可视化处理和层次构建,本文采取随机游走算法来实现社交用户网络的层次生成。首先,从社交网络的网络营销方式和商业价值两方面阐述了社交网络研究价值,接着提出了随机游走算法数学模型,最后进行实例仿真,生成社交用户的层次网络模型。     

基于深度信念网络的入侵检测模型（英文）

研究了入侵检测系统中海量数据分类的问题.讨论了深度信念网络(DBN)的原理,提出了基于DBN的入侵检测模型.DBN由多层无监督的限制玻尔兹曼机(RBM)网络和一层有监督的反向传播(BP)网络构成.该入侵检测模型采用一种快速、贪婪的方法对DBN网络进行预训练,利用对比分歧算法逐层训练每一个RBM网络;然后,利用有监督的BP算法对整个DBN网络进行微调,并同时对RBM网络输出的低维特征进行入侵数据分类.基于KDD CUP 1999数据集的实验结果表明,使用3层以上的DBN模型分类效果优于自组织映射和神经网络方法.因此,DBN是一种有效且适用于高维特征空间的入侵检测方法.     

基于LDA变换的验证码识别技术初探

本文采用基于递归算法的去除离散点法消除孤立噪声,选用扫描边界的方法分割字符,来研究验证码自动识别技术,选择和提取稳定而又便于表示的特征向量是本系统的核心之一。本文提出了简单的字符特征提取方法：采用网格灰度特征并对该特征进行线性鉴别分析（LDA,Linear discrimlnant analysis）变换,结合最小距离分类器完成字符识别过程,通过提高训练样本数,有效解决了形近字符识别率低的问题,取得了很好的识别效果。     

基于骨骼特征点的跌倒检测方法

针对现有跌倒检测方法中利用时空图卷积网络(ST-GCN)进行行为检测的准确率有待提高、时间信息利用不够充分等问题,提出了一种基于轻量级YOLO v3人体目标检测模型结合人体骨骼特征点的跌倒检测方法.本方法利用AlphaPose算法实时得到人体的骨骼特征点信息,在此基础上结合改进的ST-GCN模型提取了强化后的行为时空信息,从而对跌倒进行更加准确的检测.在通用数据集及自建数据集上的测试结果表明,该方法在跌倒检测中具有良好的效果.     

基于视觉暂留的验证码设计

验证码能够有效抵御网络中机器程序的自动登录行为,防止机器程序群发垃圾邮件和自动投票等非法行为。但是随着图像识别技术和人工智能的发展,传统的验证码面临着被机器程序自动破解的危险。文章在分析不同验证码的优缺点后,提出一种基于人眼视觉暂留现象的动态验证码,利用有效字符和干扰字符混合组成多帧动态图像,普通用户可以轻易识别,而机器程序难以区分,理论分析和模拟实验证明该验证码简单有效。     

基于多尺度融合GAN的水下图像增强方法

针对水下图像浑浊以及色彩失真的问题,提出了一种基于多尺度融合GAN水下视频图像增强方案,该方案主要包括生成网络和判别网络。在生成网络中,将特征融合与跳级连接引入到生成器结构中,提升网络利用上下层之间信息的能力,确保了生成图像保留更多的细节。此外,还通过对每个块进行差别的判别,实现了局部图像特征的提取和表征。通过在公开数据集EUVP和RUIE进行的定性和定量实验,发现本文方法在PSNR、SSIM、UISM、UICM、UIConM和UIQM等评价指标方面明显优于现有的水下图像增强方法,表明所提方法在水下图像数据集上应用的良好性能。     

浅谈验证码的识别

网络验证码在网络安全方面发挥关键作用,被广泛采用。对验证码的研究主要在于验证码的识别和实践意义。验证码经过数字图像的预处理,数字图像中的字符分割,还有字符识别匹配识别等三个步骤来完成其识别。     

ACSM算法在网络信息审计系统中的改进研究

随着国家信息化的不断推进和计算机网络飞速发展,网络信息审计成为不可或缺的一部分。网络信息审计系统从网络关键点采集数据包,对其传送内容进行审计分析,达到网络信息内容的监控。在网络信息审计系统中,需要对大量的关键特征串进行按序匹配,目前的ACSM算法只是实现了单字符的跳转状态机,仅能够匹配出单个的字符串,却未实现特征串的按序跳转,不能满足网络审计系统识别网络应用的需求。经过对ACSM算法的改造,创建了特征字符串的动态跳转状态机,满足了网络信息审计系统对特征字符串按序匹配从而识别出网络应用的需求。     

验证码字符图像分割技术研究

验证码字符图像分割质量很大程度上决定机器能否正确识别出验证码。针对验证码字符图像分割策略不同,通过研究投影分割法、连通域分割法、最短路径分割法3种验证码字符图像分割技术,分别探讨其特点和应用范围,给出了Web验证码3种分割技术的综合应用方法。     

基于SDN的DDoS攻击检测技术研究

为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。     

基于Harris算法的无人机影像拼接技术

处理无人机影像数据时,Harris角点检测算法具有较强的鲁棒性和稳定性。使用Harris角点检测算法时,影像边界处由于影像畸变影响,生成的特征点存在角点聚簇和伪角点的概率非常大,在处理该类问题时,通常是删除影像边界生成的角点。针对影像边缘特征点删除量的合理性进行了实验：先对影像生成特征点面积进行限制,用Harris算法提取特征点。然后用非极大抑制算法选取特征点,去除伪角点和聚簇的角点,生成最佳缝合线进行影像匹配融合。最后对比影像生成特征点面积和最后影像匹配效果,论证影像边缘删除Harris角点的合理量。实验结果表明,相对于传统的直接删除边界Harris角点方法,该方法更可靠更精确。     

基于决策树分类的HTTP隧道检测方法

HTTP隧道是各种木马和间谍软件进行网络通信的主要途径,严重威胁了网络安全。比较有效的算法主要是统计指印方法,统计指印采用的特征较少,对训练集的依赖程度较高,算法的稳定性较差。决策树分类算法提取了网络数据流更多的有效特征。使用决策树分类算法对HTTP隧道数据进行了检测,通过实验结果对比,决策树算法的稳定性更好,精确度和效率更高。     

基于熵因子惩罚项的提高前馈网络泛化能力的新算法(英文)

在利用神经网络提取含噪数据特征时,泛化能力是一个极需解决的问题．通常的方法是控制网络的复杂度。本文中,我们提出了一类基于熵因子的惩罚项,该项正确反映了隐层节点所提取的数据特征,从而有效避免了前馈网络的过训练现象,计算机仿真结果表明该算法能大大提高网络泛化能力．     

基于改进堆叠独立子空间分析模型的行为识别

视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆叠独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆叠网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆叠卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。     

基于级联特征网络的人体姿态估计

为了解决关键点检测精度不均和整体关键点检测精度不高等问题,基于级联特征网络,通过构建主体网络多分支、多阶段、多分辨率的方式从输入图像中提取丰富特征,并通过微调网络中的级联和在线关键点挖掘以提高整体关键点检测精度.采用自顶向下的方法在MPII数据集上与目前先进方法进行对比实验,分别使用20000张图像进行训练,5000张...     

浅析入侵模式挖掘系统结构算法

网络日志数据量日益增大。如何从巨大的网络数据中提取有效信息是数据研究人员一直关心的问题。入侵模式挖掘系统(Intrusion Digger)结合了数据挖掘技术与入侵检测技术,旨在通过发现关联规则而对网络数据进行判别。最小支持度小于所有支持度的项集称为频繁项集,简称频集。基于划分改进的Apriori算法明显优越于原来的算法。基于划分改进的Apriori算法为入侵模式挖掘系统的设计提供了重要的理论支持。     

基于CGAN-LSTM的无监督网络异常流量检测算法

针对现有网络异常流量检测算法鲜少关注网络流量这类时间序列数据在时间上的依赖关系以及没有从时间周期角度对网络异常流量进行检测的问题,提出一种基于CGAN-LSTM的无监督网络异常流量检测算法.首先使用LSTM结构的生成器和判别器学习正常样本的数据分布,其次使用时间周期信息指导生成器G生成样本,最后同时使用生成器的重构误差...     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。