掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
統一內容定位——概念、技術與應用 版權信息
- ISBN：9787030710703
- 條形碼：9787030710703 ; 978-7-03-071070-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
統一內容定位——概念、技術與應用 內容簡介
本書分為三個大部分，**部分闡述了統一內容定位（UCL）技術的基本概念，包括UCL的理論意義，學術定義，語義標識以及研究現狀。第二部分圍繞網絡分層架構、網絡信息內容分別闡述UCL如何提供語義標識和內容分析，并提出UCL的內容管理體系結構及其關鍵技術。第三部分是應用篇，著重介紹UCL在可信計算、用戶信息推薦、隱私保護、冗余流量解析方面的應用，使得現有的網絡變得更加聰明和安全。
統一內容定位——概念、技術與應用 目錄
目錄
前言
第1章 統一內容定位技術 1
1.1 信息網絡的URL 1
1.2 UCL定義 2
1.3 UCL標簽 2
參考文獻 4
第2章 基于UCL的多層網絡數據語義解析技術 5
2.1 多層網絡數據語義描述架構 5
2.1.1 多層網絡數據語義描述模型 5
2.1.2 exUCL語義標簽及語義向量空間 6
2.1.3 網絡數據語義標簽定義 7
2.2 網絡捕包系統及協議分析 9
2.2.1 中間節點網絡數據包捕獲系統 9
2.2.2 基于原始數據包的網絡數據業務發現 12
2.2.3 基于原始數據包的網絡連接統計分析 14
2.3 多層網絡數據語義集成模型分析與建立 16
2.3.1 概念模型分析與建立 17
2.3.2 邏輯模型建立 19
2.3.3 物理模型實現方式 19
參考文獻 20
第3章 網頁信息的語義描述與解析技術 22
3.1 網頁數據多層語義抽取 22
3.1.1 網絡數據包捕獲模塊 23
3.1.2 協議分析模塊 25
3.1.3 HTTP數據包信息的分析與還原 27
3.2 基于UCL的網頁自動分類 29
3.2.1 基于網站結構的分類器 29
3.2.2 基于樸素貝葉斯算法的分類器 32
3.3 網頁信息采集系統 38
3.3.1 Web信息采集原理及結構 38
3.3.2 主題頁面在Web上的分布特征 41
3.3.3 主題Web信息采集系統實現 42
參考文獻 58
第4章 圖像信息的語義描述與解析技術 60
4.1 基于UCL的網絡圖像語義標識 60
4.1.1 基于元數據的網絡圖像內容標引 61
4.1.2 基于UCL的網絡圖像標引 62
4.2 基于UCL的圖像語義水印框架 64
4.2.1 圖像數字水印嵌入位置選取 66
4.2.2 基于矢量量化的圖像數字水印算法 73
4.2.3 實驗分析 86
4.3 基于云模型的圖像分類管理 92
4.3.1 圖像語義模型 92
4.3.2 云模型語義確定度分類算法 94
4.3.3 圖像語義自動分類 97
參考文獻 98
第5章 音頻信息的語義描述與解析技術 100
5.1 音頻信息的語義描述架構 100
5.1.1 音頻信息語義描述的標引 101
5.1.2 音頻信息語義描述的表征 101
5.2 音頻信息語義內容管理 103
5.2.1 基于張量的語義空間構造 103
5.2.2 基于張量語義的音頻內容分類 108
5.2.3 基于徑向基函數張量神經網絡模型的音頻內容自動分類 111
5.2.4 仿真結果與分析 113
5.3 音頻語義水印嵌入技術 118
5.3.1 音頻語義水印生成過程 119
5.3.2 音頻語義水印嵌入算法 120
5.3.3 音頻語義水印提取過程 128
5.3.4 仿真結果與分析 129
參考文獻 135
第6章 視頻信息的內容描述與語義解析 138
6.1 基于流量特征和機器學習的視頻流識別 138
6.1.1 流媒體網絡特征屬性分析系統 140
6.1.2 基于機器學習的流媒體流量識別 146
6.1.3 評估結果與分析 151
6.2 多層語義解析的流媒體調度算法 154
6.2.1 流媒體數據多層語義理解 154
6.2.2 流媒體多語義合并調度算法 167
6.2.3 流媒體調度算法仿真研究 179
6.3 視頻數字水印嵌入算法 188
6.3.1 基于UCL的視頻數字水印系統 189
6.3.2 基于場景分割的雙重水印算法 194
6.3.3 基于H.264的雙重水印算法 201
6.3.4 視頻水印算法性能評估 211
參考文獻 223
第7章 基于UCL的可信計算 225
7.1 基于UCL的安全語義規范 225
7.1.1 UCL-S定義 225
7.1.2 UCL-S的網頁應用規范 226
7.1.3 UCL-S網頁規范長度的確定 227
7.2 基于安全語義的可信度評估算法 232
7.2.1 UHA512完整性度量算法 232
7.2.2 基于語義的可信評估算法 235
7.3 非對稱信息網絡中的可信計算模型 237
7.3.1 非對稱信息網絡結構 237
7.3.2 非對稱信息網絡中的UBTC模型 238
7.3.3 基于UCL-S可信計算的實驗平臺 254
參考文獻 260
前言
第1章 統一內容定位技術 1
1.1 信息網絡的URL 1
1.2 UCL定義 2
1.3 UCL標簽 2
參考文獻 4
第2章 基于UCL的多層網絡數據語義解析技術 5
2.1 多層網絡數據語義描述架構 5
2.1.1 多層網絡數據語義描述模型 5
2.1.2 exUCL語義標簽及語義向量空間 6
2.1.3 網絡數據語義標簽定義 7
2.2 網絡捕包系統及協議分析 9
2.2.1 中間節點網絡數據包捕獲系統 9
2.2.2 基于原始數據包的網絡數據業務發現 12
2.2.3 基于原始數據包的網絡連接統計分析 14
2.3 多層網絡數據語義集成模型分析與建立 16
2.3.1 概念模型分析與建立 17
2.3.2 邏輯模型建立 19
2.3.3 物理模型實現方式 19
參考文獻 20
第3章 網頁信息的語義描述與解析技術 22
3.1 網頁數據多層語義抽取 22
3.1.1 網絡數據包捕獲模塊 23
3.1.2 協議分析模塊 25
3.1.3 HTTP數據包信息的分析與還原 27
3.2 基于UCL的網頁自動分類 29
3.2.1 基于網站結構的分類器 29
3.2.2 基于樸素貝葉斯算法的分類器 32
3.3 網頁信息采集系統 38
3.3.1 Web信息采集原理及結構 38
3.3.2 主題頁面在Web上的分布特征 41
3.3.3 主題Web信息采集系統實現 42
參考文獻 58
第4章 圖像信息的語義描述與解析技術 60
4.1 基于UCL的網絡圖像語義標識 60
4.1.1 基于元數據的網絡圖像內容標引 61
4.1.2 基于UCL的網絡圖像標引 62
4.2 基于UCL的圖像語義水印框架 64
4.2.1 圖像數字水印嵌入位置選取 66
4.2.2 基于矢量量化的圖像數字水印算法 73
4.2.3 實驗分析 86
4.3 基于云模型的圖像分類管理 92
4.3.1 圖像語義模型 92
4.3.2 云模型語義確定度分類算法 94
4.3.3 圖像語義自動分類 97
參考文獻 98
第5章 音頻信息的語義描述與解析技術 100
5.1 音頻信息的語義描述架構 100
5.1.1 音頻信息語義描述的標引 101
5.1.2 音頻信息語義描述的表征 101
5.2 音頻信息語義內容管理 103
5.2.1 基于張量的語義空間構造 103
5.2.2 基于張量語義的音頻內容分類 108
5.2.3 基于徑向基函數張量神經網絡模型的音頻內容自動分類 111
5.2.4 仿真結果與分析 113
5.3 音頻語義水印嵌入技術 118
5.3.1 音頻語義水印生成過程 119
5.3.2 音頻語義水印嵌入算法 120
5.3.3 音頻語義水印提取過程 128
5.3.4 仿真結果與分析 129
參考文獻 135
第6章 視頻信息的內容描述與語義解析 138
6.1 基于流量特征和機器學習的視頻流識別 138
6.1.1 流媒體網絡特征屬性分析系統 140
6.1.2 基于機器學習的流媒體流量識別 146
6.1.3 評估結果與分析 151
6.2 多層語義解析的流媒體調度算法 154
6.2.1 流媒體數據多層語義理解 154
6.2.2 流媒體多語義合并調度算法 167
6.2.3 流媒體調度算法仿真研究 179
6.3 視頻數字水印嵌入算法 188
6.3.1 基于UCL的視頻數字水印系統 189
6.3.2 基于場景分割的雙重水印算法 194
6.3.3 基于H.264的雙重水印算法 201
6.3.4 視頻水印算法性能評估 211
參考文獻 223
第7章 基于UCL的可信計算 225
7.1 基于UCL的安全語義規范 225
7.1.1 UCL-S定義 225
7.1.2 UCL-S的網頁應用規范 226
7.1.3 UCL-S網頁規范長度的確定 227
7.2 基于安全語義的可信度評估算法 232
7.2.1 UHA512完整性度量算法 232
7.2.2 基于語義的可信評估算法 235
7.3 非對稱信息網絡中的可信計算模型 237
7.3.1 非對稱信息網絡結構 237
7.3.2 非對稱信息網絡中的UBTC模型 238
7.3.3 基于UCL-S可信計算的實驗平臺 254
參考文獻 260
展開全部
統一內容定位——概念、技術與應用 節選
第1章 統一內容定位技術 統一內容定位（uniform content locator，UCL）技術是由李幼平院士團隊在深入研究互聯網信息共享方式及其語義缺失問題的基礎上提出的一種全新的信息資源內容的定位方法。與統一資源定位符（uniform resource locator，URL）不同的是，UCL采用內容檢索與查找的方法，從互聯網海量信息庫查詢相關內容。目前互聯網普遍采用的是將信息空間視為“按地址定位”的空間，即按信息鏈接存儲源地址定位的空間，UCL實現了在信息內容的資源定位基礎上增添語義地址。 1.1 信息網絡的URL 統一資源定位符，又稱網頁地址，一般指統一資源定位系統，它是因特網萬維網服務程序中用于指定信息位置的表示方法。URL由Tim Berners-Lee所發明，*初用來作為萬維網的地址，現在已經被萬維網聯盟編制為互聯網標準RFC 1738；ヂ摼W上的每個文件都有一個唯一的URL，它指出文件的位置以及瀏覽器應該如何處理這些文件。 URL給資源的位置提供一種抽象的識別方法，并用這種方法給資源定位。只要能夠對資源定位，系統就可以對資源進行各種操作，如存取、更新、替換和查找。URL相當于一個文件名在網絡范圍的擴展，因此URL可以視為是與因特網相連機器上的任何可訪問對象的一個指針。 典型的URL包含了四個部分：協議、服務器名稱（或IP地址）、路徑和文件名。協議告訴瀏覽器如何處理URL所指向的文件，常用的模式有超文本傳輸協議（hyper text transfer protocol，HTTP）、安全套接字層上的超文本傳輸協議（hyper text transfer protocol over securesocket layer，HTTPS）和文件傳輸協議（file transfer protocol，FTP）等。服務器名稱是指文件所在服務器的名稱或IP地址，服務器名稱后面有時還跟一個冒號和一個端口號，它也可以包含服務器必需的用戶名稱和密碼。路徑部分包含等級結構的路徑定義，一般不同部分之間以斜杠分隔。 絕對URL顯示文件的完整路徑，而相對URL以包含URL本身的文件夾位置為參考點，描述目標文件夾的位置。如果目標文件與當前頁面（即包含URL的頁面）在同一個目錄，那么這個文件的相對URL僅僅是文件名和擴展名。如果目標文件在當前目錄的子目錄中，那么它的相對URL是子目錄名，后面是斜杠，然后是目標文件的文件名和擴展名。 1.2 UCL定義 URL通常只能表示信息資源的位置，無法描述信息資源的語義信息，因此帶來了互聯網信息資源難找、難管、失序等弊端。具體而言，互聯網的主要弊端表現為：有用信息不易尋找，個性需求無法滿足；網上內容難以有效治理，良莠不齊，垃圾泛濫；網絡導讀嚴重缺失，輿論導向難以落實等。盡管Tim Berners-Lee 提出了語義網（semantic Web）概念，試圖使Web變成能夠自動理解詞語、概念以及它們之間邏輯關系的智能網絡，但是語義網實現起來非常困難。為此李幼平院士團隊提出了UCL技術[1]，從互聯網中內容資源難找、難管和失序等問題的根本癥結入手，兼顧了內容共享應用中的三個重要角色（讀者、作者和管理者），能夠有效彌補URL的語義缺失和管理缺失。 UCL是網絡信息資源的一種屬性與內容描述結構，它的目的是解決網絡信息資源的發現、查找、識別、傳輸、控制和主動服務等問題。 在信息空間中，每一份多媒體文件都是一個多維矢量。矢量的模（長度）是文件字段數，矢量的方向取決于對文件內容進行精細定位的一組代碼，即UCL代碼[2]。UCL代碼對文件內容的類別、主題、出處、時段、作者、關鍵詞、分類代碼等做出多維度的標引。讀者的需求和文件的內容都用UCL矢量來表達，通過對UCL矢量的關聯計算，在浩瀚的信息空間中按內容準確定位文件。 設UCL的向量表示為 其中，ui為第i個語義項；是UCL的分量數，一般與被描述對象、應用領域、傳輸方式、用戶終端形式有關。 1.3 UCL標簽 《統一內容標簽格式規范（GB/T35304—2017）》已作為國家推薦標準正式發布[3]。字節（byte）是UCL標簽的基本組成單位，一個字節由8位（bit）二進制數組成。UCL標簽的起始字節定義為第0字節，一個字節的起始位定義為第0位。UCL標簽或包的第字節的第m位（0 一般地，一個UCL標簽可分為前后兩個部分：UCL代碼（UCL code）部分和UCL屬性（UCL property）部分。UCL代碼部分包含多個UCL代碼域，UCL屬性部分包含多個UCL屬性域。UCL標簽也可以根據實際應用進行靈活裁剪和擴展，但每個UCL標簽應包含UCL代碼部分。UCL標簽的格式如圖1-1所示。 圖1-1 UCL標簽格式 UCL代碼部分的基本長度為32字節，它們稱為基本UCL代碼。除基本UCL代碼，UCL代碼部分在需要時可以進行擴展，擴展部分的長度應為16字節的整數倍，稱為擴展UCL代碼。 UCL屬性部分記錄與內容相關的多個屬性信息。每個具體屬性稱為一個UCL屬性元素，每個UCL屬性元素由UCL屬性元素域定義。性質或功能相近的若干UCL屬性元素構成一個UCL屬性集合。每個UCL屬性集合由一個UCL屬性集合頭部域和緊接其后的多個連續存放的UCL屬性元素域組成。UCL屬性部分的**個域是UCL屬性總頭部域，緊接其后的是多個（*多16個）UCL屬性集合。已定義的兩個UCL屬性集合是：內容描述屬性集合和內容管理屬性集合。 UCL屬性總頭部域、UCL屬性集合頭部域和UCL屬性元素域統稱UCL屬性域。每個UCL屬性域的格式描述按照〈屬性類別，屬性長度，屬性凈荷〉形式進行定義和組織（三個分量按序連續存放）。UCL屬性總頭部域和UCL屬性集合頭部域是特殊的頭部描述信息域，若將它們作為一個單獨的UCL屬性域來看，則不包含屬性凈荷分量；但如果從UCL屬性域之間的概念隸屬關系來看，那么位于它們之后且隸屬于它們的所有UCL屬性域，都可視為它們的屬性凈荷數據。 第2章 基于UCL的多層網絡數據語義解析技術 數據挖掘的*終意義在于幫助人們更好地理解信息。數據的分類、聚類、關聯規則的發現等都是為信息解析服務的。大規模的網絡數據意味著數據結構具有多維性、異構性和復雜性，如何對這些數據進行有效的解析成為巨大的挑戰。對于網絡數據，除了常規的一些數據挖掘方法，如何利用網絡的層次關系來幫助人們進行信息的解析是值得深入研究的。網絡是分層次的，數據從物理層到*終的應用層，每一層都會有強度不同的語義信息。如果僅關注網絡的某一層，沒有綜合考慮不同網絡層的信息如何為數據解析提供服務，那么對這些網絡數據的語義理解就可能帶有片面性，無法真正從深層次反映網絡信息的內涵。 2.1 多層網絡數據語義描述架構 無論是開放式系統互聯協議體系還是傳輸控制協議/網際協議（transmission control protocol/internet protocol，TCP/IP）體系，網絡數據都是具有層次結構的，每一層都有許多特定內容反映網絡數據的語義特性。那么如何充分獲取、利用這些信息來全面反映網絡數據的語義性質呢？本書提出多層語義描述方法，研究網絡數據從物理層到應用層所包含的語義信息，建立多層數據語義描述框架，針對網頁數據、音/視頻數據完成擴展的統一內容定位（extended uniform content locator，exUCL）語義標簽定義，建立exUCL標簽數據庫。 2.1.1 多層網絡數據語義描述模型 基于數據包的網絡數據在TCP/IP網絡體系結構的每一層中，都存在不同強度的語義信息。建立的多層網絡數據語義描述模型（multilayer semantic description model for network data，MSDM）如圖2-1所示，其中定義了弱、中、強三個語義域，體現多層語義模型與TCP/IP模型的對應關系，描述各個層次數據的語義特征。 1）弱語義域 弱語義域（weak semantic field）面向數據包進行語義描述，體現網絡數據的傳輸特性。對應TCP/IP體系結構網絡層、傳輸層等底層數據的語義信息，如源IP地址、目的IP地址、源端口號、目的端口號等。 2）中語義域 中語義域（generic semantic field）針對網絡資源進行語義描述，對應TCP/IP體系結構應用層數據的語義信息，描述網絡數據URL、數據來源、文件大小等信息。 3）強語義域 強語義域（strong semantic field）是在對網絡數據內容理解的基礎上進行的高層語義描述，如數據分類、標題、作者、關鍵字等。 不同語義域信息來源于網絡不同層次結構的數據，具有不同的語義強度。利用這些信息可以提高對網絡數據的解析效率。弱語義域可用于網絡數據業務類型解析，主要進行IP地址和數據類型分類、過濾可疑IP地址的數據包、進行流量分析等標識；中語義域針對網絡資源進行分析，了解網絡資源狀況、數據來源，進行流分類等標識；強語義域主要對網絡數據內容進行分析，進行主題分類，信息熱度、重復度等分析。 2.1.2 exUCL語義標簽及語義向量空間 exUCL語義標簽是進行網絡數據分層語義抽取、跨層語義集成、不同強度語義相關性分析以及相關應用的基礎。在多層網絡數據語義描述模型框架下，定義exUCL語義標簽，描述網絡數據不同層次的語義內容。圖2-2為網絡數據exUCL語義標簽基本格式。 exUCL語義標簽從弱語義域到強語義域的解析過程中，網絡每一層次結構產生exUCL語義標簽中某個域的某個字段值。生成的exUCL標簽將采用資源描
書友推薦
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
巴金－再思錄
- >
姑媽的寶刀
- >
名家帶你讀魯迅:朝花夕拾
- >
自卑與超越
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
