深层内核钩子挖掘算法及其在软件安全中的应用

来源 :应用科学学报 | 被引量 : 0次 | 上传用户:lqtanj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究了Windows操作系统中内核钩子的保护原理,并针对交互式反汇编器交叉引用功能的不足,提出了一种深层次内核钩子挖掘算法.首先用该算法挖掘出指定内核函数的内部调用以及包含钩子的内核函数的所有被调用位置,然后用Python编写基于函数调用原理的挖掘算法,最后用C++编写过保护实验的驱动程序.研究结果表明:过保护实验是成功的,证明了该挖掘算法的有效性和挖掘结果的全面性.
其他文献
潮间带湿地具有重要的生态和经济价值,但受到全球变化影响,发生大面积退化甚至丧失.掌握潮间带湿地的时空分布特征,对海岸带资源的科学管理具有重要意义.由于受到多云多雨天气和潮汐动态淹没的影响,单时相遥感数据难以获取完整的潮间带湿地信息.因此,本研究开发了一种基于时序遥感指数的潮间带湿地分类算法,并以福建省亚热带海岸带为例,基于Google Earth Engine (GEE)云平台,利用2017年-2019年Landsat 8时序影像数据,提取潮间带光滩、高潮滩植被和低潮滩植被3种典型湿地类型,分类结果总体精
毫秒脉冲星对引力波探测、太空导航等具有重要意义.通过引证ATNF(Australia Telescope National Facility)数据库,指出双星系统与毫秒脉冲星存在密切关系.分析了500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)早期科学数据中心脉冲双星搜索能力的现状,目前Ransom版本的加速度搜索算法虽在中央处理器上进行了高度优化,但在庞大的数据量下,仍十分耗费算力.首先概述脉冲双星及轨道运
将相互逼近(Mutual Approximation)技术从天然卫星的天体位置测量拓展到小行星和邻近盖亚(Gaia)星表参考星的相对位置测量,希望获得更高的小行星位置测量精度.使用中国科学院云南天文台1 m光学望远镜在2020年11月11~12日对小行星702(Alauda)进行了观测试验.在观测资料中,目标小行星共有5次相互逼近事件.参考Gaia DR2(Data Release 2)星表,归算结果显示,在准确度方面,相互逼近技术与经典天体测量(四常数模型)具有良好的一致性;在测量精度方面,相互逼近技术
针对用于太阳磁场精确测量的中红外观测系统(Accurate Infrared Magnetic field Measurements of the Sun,AIMS)望远镜8~10μm真空制冷成像终端系统的高精度装调需求,提出了一种基于中红外可调谐激光光源的宽谱段干涉检测和装调方法.首先,采用泰曼-格林干涉仪,利用参考臂可调的优势,弥补光源相干性不足的缺陷,从而实现8~10μm宽谱段的干涉测量.其次,完成了干涉仪光学系统设计,可同时兼顾8~10μm和可见光双波段的波前质量,解决了肉眼不可见给干涉仪自身装调
2015年9月28日月基光学望远镜(Lunar-based Ultraviolet Telescope,LUT)在任务期间经历了唯一一次完整的月全食过程,为研究地球对太阳光的几何遮挡是否会对月面辐射环境产生影响提供了难得机遇.首先,利用月食期间连续长达2 h 27 min的电荷耦合器件(Charge-Coupled Device,CCD)天文观测图像,统计分析了月食期间的宇宙线事件计数,发现月食期间宇宙线计数不存在明显变化,在30 s曝光时间内,宇宙线事件平均计数为129.27(±15.78);其次,分析
提出了一种基于Pre-LN Transformer的静态多模态情感分类模型.该模型首先利用Pre-LN Transformer结构中的编码器提取评论文本中的语义特征,其中编码器的多头自注意力机制允许模型在不同的子空间内学到相关情感信息.然后根据ResNet提取评论的图像特征,在特征水平融合的基础上通过视觉方面注意力机制来指导文本的情感分类,实现在线评论的静态多模态情感分析.最后在Yelp数据集上执行情感分类的实验结果表明:所提出的模型在准确率上相比于BiGRU-mVGG、Trans-mVGG模型分别提高了
望远镜的仪器偏振效应主要由金属镜面的反射偏振引起,是当前高精度天文偏振测量面临的主要技术问题.为了消除仪器偏振对偏振测量精度的影响,在实验室对金属镀膜材料的偏振特性进行精确全面的测量研究显得至关重要.针对保护铝膜提出一种偏振特性测量方法,该方法使用两种光电调制方式对保护铝膜的缪勒(Mueller)矩阵关键元素进行直接测量,并基于双层膜的结构模型,使用多入射角多波长的测量数据在不依赖色散模型以及参数假设的情况下反演光学参数.反演结果与传统方法得到的结果一致,同时本文方法能够对偏振特性进行更好的表征.
湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用.由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重.随着大数据和云计算的兴起,为大尺度和长时间序列的空间数据处理提供了契机.本文基于Google Earth Engine(GEE)云平台,使用Sentinel-1合成孔径雷达(SAR)数据、Sentinel-2光学数据以及地形数据,探讨了红边、雷达以及地形特征对大范围区域沼泽湿地提取的重要性,验证了利用JM距离寻找沼泽湿地提
针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果.在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合
传统谱聚类的高光谱影像波段选择模型中,采用的波段相似矩阵受到噪声或异常值的影响且仅能表征波段的单一相似特征,导致波段子集的选取结果受到限制.本文从波段选择的目的 出发,提出鲁棒多特征谱聚类方法,整合多个特征的波段相似矩阵来形成综合相似矩阵以解决上述问题.该方法假设4种相似性度量包括光谱信息散度、光谱角度距离、波段相关性和拉普拉斯图谱能够共同揭示波段聚类的内在结构特征,通过构建低秩稀疏矩阵分解模型来表征单一相似矩阵与综合相似矩阵的内在关系.进一步,采用增强拉格朗日乘子算法来优化求解综合相似矩阵,利用常规谱聚