本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。

、

神策用户画像，赋能企业数字化运营的用户数据资产管理平台 打通多源数据，识别唯一用户，帮助企业构建标签及画像体系，赋能业务实现用户精细化运营和精准营销。

“基于虚拟机的恶意程序检测分析平台”利用在QEMU虚拟机环境中运行PE文件获取的API调用序列及参数等动态信息，通过虚拟机提供的模拟主机环境触发PE文件的行为，进而根据虚拟机监控器层得到的信息抽象出PE文件的各种文件、注册表、进程、网络等行为，利用增强学习AdaBoost算法作为集成框架，选择决策树算法C4.5作为子分类器生成算法对PE文件的恶意性进行判决。

本发明提出了一种基于交通状态识别的交通干线双向动态绿波控制方法，该方法将基于K均值聚类分析法的交通状态识别方法和基于数解法的双向绿波控制模型相结合，能够根据路网交通状态的变化动态地调整双向绿波控制方案。该方法的具体步骤为：交通参数获取、交通状态判别、计算各假定的理想信号间距、确定实际信号相对于各理想信号的挪移量、确定合适的理想信号位置、连续行驶通过带的设计、确定系统带速。该方法能够显著减少城市道路交通流的延误和停车率，提高城市道路的运行效率，为城市道路绿波控制提供有力的技术支撑。

成果简介UI 设计， 英文全称是“User Interface Design”， 中文翻译成“用户界面设计”， 是指对产品软硬件的人机交互、 操作逻辑、 界面美观的整体设计。 对社会生活和公共服务而言， 用户界面在全国身份认证系统、 国家防御、 打击犯罪以及医疗记录管理等方面都发挥了重要作用； 对个人而言， 用户界面改变了很多人的生活， 比如有效而专业的医疗设施界面设计。 当用户经常面对过于复杂的界面、无法理解的术语和混乱的设计时， 常会经受挫折、 恐惧和失败。

移动互联网将移动通信和互联网二者结合起来，成为当今世界发展最快、市场潜力最大、前景最诱人的产业发展方向。最新数据统计，中国移动互联网用户已达到 4.64 亿。各大应 用市场如 Google Play 有百万种应用，国内机锋市场、天翼等平台也具有大量的安卓应用。 这些应用在给人们带来巨大便利的同时，也带来巨大的信息安全隐患和风险。据统计，超过 九成的应用软件涉嫌窃取用户隐私、恶意扣费、恶意推广、恶意捆绑植入病毒/木马等恶意 行为。这些恶意行为不仅给用户带来经济损失，甚至涉及人身安全问题。因此迫切需要快速、 准确地自动化检测如此庞大的应用程序的恶意行为。传统手机杀毒软件基于 PC 时代检测特征序列的方式识别恶意软件/恶意行为，虽然这种 方式高效、易于同步检测，但是存在只能查杀已知威胁、反馈周期长、易于绕过等诸多问题。 为了解决上述问题，我们设计并实现一个 Android 应用恶意行为自动化检测系统。本系统提 供一个基于行为查杀的完整解决方案，可服务于第三方管控部门、高级大型企业(如电信运 营商)、Android 工程师与普通用户等三大类用户。本系统结合静态分析、动态追踪、网络 流量定位三种方法实现“数据流、控制流、网络流”三流融合分析技术，可提供自动化应用 软件爬取、自动化检测分析、自动化特征库更新、自动化恶意行为挖掘、恶意攻击训练、证 据留存等多项服务，达到爬取自动化、处理高效化、分析智能化、信息安全化的设计目标。 本系统主要的特点如下: 全平台部署更实用:跨平台语言设计，多重角度防护，可部署于 Windows XP/WIN7/WIN8 以及 Linux 主流版本。 自学习、更新更方便: 应用图论分析技术、自动化行为特征挖掘等技术，挖掘具有通用性的恶意行为链，无需频繁升级模型库。 智能网络爬虫更高效:针对第三方监控需求，本系统提供自动化网络爬取功能，可实现最优监控部署、最优更 新策略。 “3x3”立体更高维:“静态分析、动态追踪、网络流量三维度”，“数据流、控制流、网流”三层面，智能立 体分析模式，无懈可击的安全检测。 11类41种恶意行为检测更全面:可有效对隐私窃取、系统破坏、信息破坏等 41 种恶意行为进行检测，分类图如下图所示。 层级分析更迅速:系统依据层级分析结构，快速定位，快速甄别，快速分析。 “三流融合”更细致:本系统结合底层 API HOOK、动态污染分析、静态行为链识别、网络流量检测等方式，可分析恶意软件的函数调用关系、数据传播定位、恶意行为网络数据包。  恶意特征自动统计挖掘更可靠: 特征自动挖掘更节省人力与计算资源，标准处理流程无死角分析。  恶意攻击模拟更实战: 对官方发布系统与软件攻击模拟，自动化挖掘存在漏洞和风险。 分析数据更可观:行为统计、时间轴建模、应用权限分析、敏感函数展示、敏感数据分析、行为记录、运 行截图等多项数据展示，并支持数据导出功能。 测试项目更全面:课题组具有大量软件自动化测试经验，可支持适配测试、功能测试、可靠性测试、安全 性测试、环境测试、安全测试需求。性能参数: 准确性高，超过 97%的正确识别率; 完成一次普通测试任务不足30分钟，测量时间短，重现性好。

本发明公开了一种基于时序相对变化量的广域测量系统错误数 据判别方法，属于电网系统错误数据判别领域；现有的相量测量单位 (PMU)对于 GPS 的高度依赖和对数据通道品质的严格要求，存在 PMU 采集的数据频频出现数据错误、数据丢失等问题；本发明的方法通过 对比的时序相对变化量变化趋势矩阵与预定义好的 WAMS 错误数据 时序相对变化量矩阵策略表，来判别数据错误与否，该方法能够快速 判断数据的正确性，减小基于 WAMS 的电网故障智能诊断与事故处理 辅助决策系统的误报率，有助于提高电力系统安全稳定运行

本发明公开了一种嵌入式处理器的未知恶意代码检测方法，包 括创建嵌入式系统自体集、生成检测器集、检测未知恶意代码的步骤； 在处理器指令级对系统内正常程序的指令序列信息进行采集编码生成 二进制串集合作为自体集，随机生成二进制串作为候选检测器，并将 其与自体集中的元素进行否定选择生成检测器集；利用检测器集里的 二进制串与从指令级收集到的待检测代码的行为信息二进制串进行匹 配；采用双阈值的海民规则进行自体集的二进制串、检测器

该方法对LTE高速场景下使用三个联合检测窗的ZC序列多用户检测方法进行了改进，首先选择特定的ZC序列根序列号产生ZC序列，而特定的ZC序列根序列号可以使得多普勒环境下的相关峰值偏移集中在单个检测窗可以检测的范围内，这样在检测端就能够利用单个检测窗口进行多用户检测，所以本发明能够有效规避频偏分散主窗口能量的劣势，在高速度、高频偏时依然有良好的性能。