现有的扰动方法在增加静态恶意软件逃避率的同时导致其在目标主机无法运行。针对这种情况,该文提出一种基于自动扰动策略的静态恶意样本生成模型。该策略搭建行动空间,构建自动扰动策略动作库,采用启发式组合方式,将基础策略与历史最优...现有的扰动方法在增加静态恶意软件逃避率的同时导致其在目标主机无法运行。针对这种情况,该文提出一种基于自动扰动策略的静态恶意样本生成模型。该策略搭建行动空间,构建自动扰动策略动作库,采用启发式组合方式,将基础策略与历史最优扰动动作进行不同组合,输出最优策略到智能体,最终得到面向静态恶意软件对抗样本生成模型。其次,定义逃避率及可用率的调和平均数(Harmonic Means of Evasion and Availability,HMEA)指标,以量化静态恶意软件对抗样本的有效性。在VirusShare数据集上的实验表明,该方法逃避率达42.00%,可用率提升至99.50%,HMEA达59.07%,证明了该方法的有效性。展开更多
文摘目的探讨基于CT影像组学及临床风险因素术前预测非小细胞肺癌(Non-small cell lung cancer,NSCLC)纵隔内隐匿性淋巴结转移的价值。方法收集2019年1月-2023年12月在新疆医科大学附属肿瘤医院放射科行胸部增强CT并行肺癌根治性手术且病理证实为非小细胞肺癌,伴或不伴纵隔淋巴结(Mediastinal lymph nodes,MLN)转移的患者147例。患者按照7∶3的比例随机分为训练组102例(MLN阳性29例、阴性73例)和测试组45例(MLN阳性12例、阴性33例)。对所有临床风险因素进行单因素及多因素逻辑回归分析,建立预测非小细胞肺癌纵隔内隐匿性淋巴结转移的临床模型。在薄层增强CT图像手动绘制感兴趣区(Region of Interest,ROI),提取影像组学特征。使用Mann-Whitney U检验、Spearman秩相关系数、最大相关最小冗余(Minimum redundancy maximum relevance,mRMR)及最小绝对收缩和选择算法(Least Absolute Shrinkage and Selection Operator,LASSO)进行特征降维和特征选择。基于最佳影像组学特征建立支持向量机(SVM)模型。结合临床风险因素构建联合模型。结果临床模型、影像组学模型及临床-影像组学联合模型在训练组的曲线下面积(Area under curve,AUC)分别为0.740、0.863、0.887;测试组的AUC分别为0.699、0.712、0.758;在3组模型中临床-影像组学联合模型的预测效能最佳,其AUC在训练组和测试组分别为0.887、0.758。结论基于CT影像组学特征及临床风险因素构建的模型在预测非小细胞肺癌纵隔淋巴结转移中有一定的价值,临床-影像组学联合模型的诊断效能优于单一模型。
文摘现有的扰动方法在增加静态恶意软件逃避率的同时导致其在目标主机无法运行。针对这种情况,该文提出一种基于自动扰动策略的静态恶意样本生成模型。该策略搭建行动空间,构建自动扰动策略动作库,采用启发式组合方式,将基础策略与历史最优扰动动作进行不同组合,输出最优策略到智能体,最终得到面向静态恶意软件对抗样本生成模型。其次,定义逃避率及可用率的调和平均数(Harmonic Means of Evasion and Availability,HMEA)指标,以量化静态恶意软件对抗样本的有效性。在VirusShare数据集上的实验表明,该方法逃避率达42.00%,可用率提升至99.50%,HMEA达59.07%,证明了该方法的有效性。
