鲁客的专栏

sigar包，支持各种操作系统Linux、MacOS、Windows。位置./sigar-bin/lib

大型概念资源库（如美国专利数据库）可以向人们提供类似问题的解决方案的灵感，从而加速创新和发现。然而在这些庞大而凌乱的资源库中发现有用的信息，对于人类或自动化技术来说仍是一个挑战。传统的解决方法有，具有高度关系结构（如谓词演算表征）但非常稀疏，且成本很高的人工创建的数据库。更为简单的机器学习/信息检索相似性度量可以扩展到大型的自然语言数据集，但很难解释结构相似性，而这又是类比的核心。这篇论文探讨了学习更简单的结构表征的可行性和价值，特别是“问题模式”，它规定了产品的目的，以及实现该目的的机制。论文中的方法结合众包和CNN，提取产品描述中的目的和机制向量表示。论文表明，这些学习到的向量能比传统的信息检索方法，以更高精度和更快速度找到类比。在一个思想实验中，模型检索的类比能力提升了产生创意的可能性。研究结果表明，学习和利用较弱的结构表征，是大规模计算类比的有效方法。

随着Android恶意软件的增长及其对用户的影响，Android恶意软件检测已成为网络安全日益重要的课题。Android恶意软件也越来越复杂，需要新防御技术从而保护用户免受威胁。这篇论文中，为了检测Android恶意软件，我们不再仅仅使用API调用，而是进一步分析它们之间的不同关系，并创建更高层次的语义，这就让攻击者更难逃避被检测。我们将Android应用，相关的API，及其与结构化异构信息网络（HIN）的丰富关系作为代表。然后我们使用基于元路径的方法来表征应用程序和API的语义相关性。我们使用每个元路径来制定Android应用的相似性度量，并使用多内核学习聚合不同的相似之处。然后通过学习算法自动加权每个元路径进行预测。据我们所知，这是使用结构化HIN进行Android恶意软件检测的最佳方法。对来自Comodo Cloud Security Center的实体样本收集进行综合实验，我们比较了各种恶意软件检测方法。实验结果表明，我们开发的HinDroid系统，胜过其他Android恶意软件检测技术。HinDroid已经被并入Comodo Mobile Security产品的扫描工具。

Skia是一个开源的向量图形处理函数库，包括字型、坐标转换、位图等等，相当于轻量级的Cairo，目前主要用于Google的Android和Chrome平台。 另外，Skia是WebKit支持的众多图形平台之一，在WebKit的GraphicsContext.h/.c中有相关实现。