A ransomware attack that interrupted the operation of Colonial Pipeline(a large U.S.oil pipeline company),showed that security threats by malware have become serious enough to affect industries and social infrastructu...A ransomware attack that interrupted the operation of Colonial Pipeline(a large U.S.oil pipeline company),showed that security threats by malware have become serious enough to affect industries and social infrastructure rather than individuals alone.The agents and characteristics of attacks should be identified,and appropriate strategies should be established accordingly in order to respond to such attacks.For this purpose,the first task that must be performed is malware classification.Malware creators are well aware of this and apply various concealment and avoidance techniques,making it difficult to classify malware.This study focuses on new features and classification techniques to overcome these difficulties.We propose a behavioral performance visualization method using utilization patterns of system resources,such as the central processing unit,memory,and input/output,that are commonly used in performance analysis or tuning of programs.We extracted the usage patterns of the system resources for ransomware to performbehavioral performance visualization.The results of the classification performance evaluation using the visualization results indicate an accuracy of at least 98.94%with a 3.69%loss rate.Furthermore,we designed and implemented a framework to perform the entire process—from data extraction to behavioral performance visualization and classification performance measurement—that is expected to contribute to related studies in the future.展开更多
为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方...为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方法构建驾驶人视觉负荷评价模型,量化不同次任务下的视觉负荷。在视觉负荷量化的基础上,引入变异系数,采用K均值聚类算法将驾驶人视觉负荷分为低、中、高稳定型类别。并通过相关性分析,探究次任务下驾驶人视觉负荷与行车安全的关系。结果表明,执行快速串行视觉呈现(Rapid Serial Visual Presentation, RSVP)任务使驾驶人扫视速度和扫视幅度显著增加,单次注视持续时间显著下降。但驾驶人通过增加注视频次,弥补了总注视持续时长的下降,即采取小幅快速搜索方式补偿了视觉信息的获取。执行延迟数字召回任务(1-Back)占用驾驶人认知资源,导致视觉搜索出现弱化。驾驶人不仅减少了对非前方道路区域的关注,且扫视频率和注视持续时长占比均显著下降。视觉负荷量化模型结果显示,RSVP手机操作次任务下相比正常驾驶视觉负荷平均上升了22.29%,执行1-Back数字记忆次任务时视觉负荷平均下降了8.93%。不同驾驶人视觉负荷存在明显个体差异,64.2%的被试视觉负荷可以保持高稳定性。驾驶人视觉负荷与车速指标虽不相关,但与车头间距、车头时距和时间裕度等安全替代指标具有显著负相关,表明次任务加载下视觉负荷过高会导致驾驶绩效下降,影响行车安全。展开更多
目的探究职业人群视疲劳现状,分析影响职业人群视疲劳的相关因素,为职业人群制定针对性的视疲劳预防与治疗策略提供参考。方法于2023年1月至2024年6月采用便利抽样方法选择北京市2家医院接受视力检查的职业人群为研究对象,评估不同人口...目的探究职业人群视疲劳现状,分析影响职业人群视疲劳的相关因素,为职业人群制定针对性的视疲劳预防与治疗策略提供参考。方法于2023年1月至2024年6月采用便利抽样方法选择北京市2家医院接受视力检查的职业人群为研究对象,评估不同人口特征职业人群的视疲劳发生率;多因素logistic回归分析法分析影响职业人群视疲劳的相关因素。结果职业人群的视疲劳发生率为61.84%(329/532)。年龄≥30岁(其中30~<40岁OR=1.397,40~<50岁OR=1.449,50~60岁OR=1.474),职业为IT从业者(OR=2.408)、司机(OR=2.179),工作性质为中强度用眼(OR=1.511)、高强度用眼(OR=1.622),近视(其中<1年OR=1.118,1~<3年OR=1.136,≥3年OR=1.178),电子设备使用时间≥5 h(其中5~10 h OR=1.710,>10 h OR=1.946),在昏暗环境下使用电子设备(OR=1.902),户外活动时间≤3 h(其中2~3 h OR=1.493,<2 h OR=1.571),睡眠时间<8 h(OR=1.264)是视疲劳发生的影响因素(均P<0.05)。结论职业人群的视疲劳发生率较高;年龄、职业类型、工作性质、长期近视、不良用眼行为、户外活动及睡眠等生活方式是影响职业人群视疲劳发生的相关因素。展开更多
基金This work was supported by the Institute of Information&Communications Technology Planning&Evaluation(IITP)(Project No.2019-0-00426%,10%)the ICT R&D Program of MSIT/IITP(Project No.2021-0-01816,A Research on Core Technology of Autonomous Twins for Metaverse,10%)National Research Foundation of Korea(NRF)grant funded by the Korean government(Project No.NRF-2020R1A2C4002737%,80%).
文摘A ransomware attack that interrupted the operation of Colonial Pipeline(a large U.S.oil pipeline company),showed that security threats by malware have become serious enough to affect industries and social infrastructure rather than individuals alone.The agents and characteristics of attacks should be identified,and appropriate strategies should be established accordingly in order to respond to such attacks.For this purpose,the first task that must be performed is malware classification.Malware creators are well aware of this and apply various concealment and avoidance techniques,making it difficult to classify malware.This study focuses on new features and classification techniques to overcome these difficulties.We propose a behavioral performance visualization method using utilization patterns of system resources,such as the central processing unit,memory,and input/output,that are commonly used in performance analysis or tuning of programs.We extracted the usage patterns of the system resources for ransomware to performbehavioral performance visualization.The results of the classification performance evaluation using the visualization results indicate an accuracy of at least 98.94%with a 3.69%loss rate.Furthermore,we designed and implemented a framework to perform the entire process—from data extraction to behavioral performance visualization and classification performance measurement—that is expected to contribute to related studies in the future.
文摘为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方法构建驾驶人视觉负荷评价模型,量化不同次任务下的视觉负荷。在视觉负荷量化的基础上,引入变异系数,采用K均值聚类算法将驾驶人视觉负荷分为低、中、高稳定型类别。并通过相关性分析,探究次任务下驾驶人视觉负荷与行车安全的关系。结果表明,执行快速串行视觉呈现(Rapid Serial Visual Presentation, RSVP)任务使驾驶人扫视速度和扫视幅度显著增加,单次注视持续时间显著下降。但驾驶人通过增加注视频次,弥补了总注视持续时长的下降,即采取小幅快速搜索方式补偿了视觉信息的获取。执行延迟数字召回任务(1-Back)占用驾驶人认知资源,导致视觉搜索出现弱化。驾驶人不仅减少了对非前方道路区域的关注,且扫视频率和注视持续时长占比均显著下降。视觉负荷量化模型结果显示,RSVP手机操作次任务下相比正常驾驶视觉负荷平均上升了22.29%,执行1-Back数字记忆次任务时视觉负荷平均下降了8.93%。不同驾驶人视觉负荷存在明显个体差异,64.2%的被试视觉负荷可以保持高稳定性。驾驶人视觉负荷与车速指标虽不相关,但与车头间距、车头时距和时间裕度等安全替代指标具有显著负相关,表明次任务加载下视觉负荷过高会导致驾驶绩效下降,影响行车安全。
文摘目的探究职业人群视疲劳现状,分析影响职业人群视疲劳的相关因素,为职业人群制定针对性的视疲劳预防与治疗策略提供参考。方法于2023年1月至2024年6月采用便利抽样方法选择北京市2家医院接受视力检查的职业人群为研究对象,评估不同人口特征职业人群的视疲劳发生率;多因素logistic回归分析法分析影响职业人群视疲劳的相关因素。结果职业人群的视疲劳发生率为61.84%(329/532)。年龄≥30岁(其中30~<40岁OR=1.397,40~<50岁OR=1.449,50~60岁OR=1.474),职业为IT从业者(OR=2.408)、司机(OR=2.179),工作性质为中强度用眼(OR=1.511)、高强度用眼(OR=1.622),近视(其中<1年OR=1.118,1~<3年OR=1.136,≥3年OR=1.178),电子设备使用时间≥5 h(其中5~10 h OR=1.710,>10 h OR=1.946),在昏暗环境下使用电子设备(OR=1.902),户外活动时间≤3 h(其中2~3 h OR=1.493,<2 h OR=1.571),睡眠时间<8 h(OR=1.264)是视疲劳发生的影响因素(均P<0.05)。结论职业人群的视疲劳发生率较高;年龄、职业类型、工作性质、长期近视、不良用眼行为、户外活动及睡眠等生活方式是影响职业人群视疲劳发生的相关因素。
