简介:摘要随着计算机技术、网络技术以及信息技术的迅猛发展,计算机网络与人们工作和生活的联系也愈来愈紧密。大多数用户都忽视了计算机安全的一个很重要方面,即软件潜在的安全漏洞问题。安全公司给了一组数据,数据显示仅4.54%的计算机没有发现不安全软件,27.83%的计算机存在0-5个不安全软件,而大约41.94%的计算机有11个以上的非安全软件。本文首先阐述了软件安全漏洞,其次对计算机软件中安全漏洞检测方法进行了深入的探讨,最后以MBSA(MicrosoftBaselineSecurityAnalyzer,微软基准安全分析器)为例,分析了软件安全漏洞的最新检测方法,具有一定的参考价值。
简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。