基于遗传算法的聚焦爬虫搜索策略设计与研究

网络爬虫是搜索引擎的重要组成部分。针对目前聚焦爬虫搜索策略的不足,提出了一种新的搜索策略解决方案。在搜索过程中对适应度高于或低于种群平均适应度的个体采用不同的交叉概率和变异概率来扩大爬虫的爬取范围、增加新个体,并通过改进遗传算子,提高聚焦爬虫的搜索效率。实验证明,基于自适应遗传算法的聚焦爬虫在一定程度上解决了传统遗传算法的"早熟"问题,而且能够爬取到更多主题相关的网页和相关度高的网页。     

一般系统论意义下的信息安全体系模型

提出采用一般系统论的方法研究信息安全的理论体系,将信息安全作为一个系统,其中人、操作和技术各项作为系统主要核心因素;主机、网络、系统边界和支撑性基础设施作为影响系统整体性、关联性,等级结构性、动态平衡性、时序性等系统特征的重要因素。采用数学方法研究这些因素之间的相互关系、相互作用和相互影响;建立数学模型研究系统环境、系统结构和系统行为以及系统运行的规律和特点;探讨实现预警、保护、检测、反应和恢复等安全内容的途径。以信息的保密性、完整性和可用性为目标,控制、管理、改造信息安全系统,达到使它的存在与发展合乎安全需要的目的。     

基于可变长数据分块的灾备数据恢复算法设计与实现

利用基于字节指纹极值特征的数据分块算法,设计并实现了一种灾备数据恢复方法.该方法对源数据和备份数据进行可变长数据分块,计算并比较对应数据块摘要值,确定源数据和备份数据的差异数据,采用差异数据拷贝的方法完成数据恢复.实现了对重复数据的有效检测,比完全数据拷贝节省32.79%-85.36%的网络带宽.     

基于支持向量机与余弦夹角法的中文网页过滤的研究与设计

为了进一步准确过滤对青少年危害较大的色情网页,在汉语词法分析系统添加去禁用词功能实现中文分词,通过改进的词频-逆文档频率及文档频率-互信息方法完成特征提取,从而实现基于支持向量机的过滤方案。并在给出的余弦夹角公式的基础上,提出了一种基于余弦夹角法的中文网页过滤方案。结合两种方案,实验证明在统一资源符总库存在条件下方案对色情等网页过滤效果进一步提高。     

基于行为分析的钓鱼页面检测技术研究

针对通过黑白名单匹配的检测方法检测钓鱼页面准确率低的特点,提出基于钓鱼者行为的图状链接结构特征,对钓鱼页面进行分析,引入数据挖掘的频繁子图挖掘算法,对数据库中积累的数万个钓鱼页面进行子图模式挖掘,提取钓鱼页面的共同子图结构特征,检测网络钓鱼行为。实验结果发现,在加入了子图特征的钓鱼页面检测方法中,检出率能达到80%.因此,基于行为的钓鱼页面检测提高了钓鱼页面检测的能力,并且挖掘出的子图模式为钓鱼者的行为提供了依据。     

迅雷协议分析及迅雷流量识别方案的研究

迅雷作为中国使用最广泛的下载软件,给网络带来沉重的负担,而迅雷流量识别作为有效控制迅雷流量的基础,对其识别方案的研究有着重要的意义.首先对迅雷的下载机制进行分析和探讨,通过实际的抓包分析,提出一种基于行为模式的迅雷流量识别方案,并给出识别流程,最后再对该识别方案进行实验验证.实验结果表明,该方案对比基于特征字的流量识别方案和基于深度流检测的流量识别方案,有更高的识别率.     

基于中心节点模式的远程传版系统设计

在互联网应用高度发达的背景下,印刷出版领域的新型应用也逐渐发展,以致于印刷出版领域现有的信息处理技术逐渐不能适应新的应用模式需求,“点对点”传版模式对就近异地印刷、按需印刷就无法提供技术支撑.通过介绍印刷出版行业中现有的远程传版应用方式以及其存在的问题,提出了基于互联网、中心节点平台以及喷墨印刷的远程传版应用模式,并设计出相应的远程传版系统.该模式的应用不仅能够很好地为按需印刷应用模式提供技术基础,而且能够为出版内容的集中、安全监管提供技术平台.