期刊发布 | JCCE第三卷第三期发布

国际期刊Journal of Computational and Cognitive Engineering《计算机与认知工程》（eISSN: 2810-9503）2024年第3卷第3期正式上线。本期在线出版10篇原创研究论文。文章主题分别涵盖机器学习、切换代数、时间感知的相似性集成方法、多准则群决策、自动驾驶汽车的网络攻击预测等话题。JCCE所有发表论文均可开放获取，供读者免费下载阅读全部文章。

文章题目：

Data Science in Cybersecurity to Detect Malware-Based Domain Generation Algorithm: Improvement, Challenges, and Prospects

网络安全系统中的数据科学：检测基于恶意软件的域名生成算法（DGA）的改进、挑战和展望

作  者：

Mohamed Hassaoui

Hassan First University of Settat, Morocco

Mohamed Hanini

Hassan First University of Settat, Morocco

Said El Kafhali

Hassan First University of Settat, Morocco

摘   要：

如今，恶意软件通过算法生成的域名与命令和控制服务器进行通信。域名生成算法（DGA）不断发展，这降低了现有方法的准确性，要求持续跟踪域名生成算法的发展及其检测方法，并需要对阶段进行良好的评估，为新的检测方法打开视野。数据科学在网络安全中发挥着关键作用，它被提供用于检测和分析网络流量数据（包括域名生成算法）的方法，并有助于提高计算机系统和网络的整体安全性。它还可以用于分析大型域名数据集，并通过应用机器学习、深度学习和遗传算法等技术来开发和优化域名生成算法检测的解决方案，这些技术已被证明在检测新的和未知的域名生成算法方面有效。本文回顾了数据科学在网络安全系统中检测域名生成算法的作用。因此，它还汇集了公开可用的域名数据集和最近域名生成算法检测系统中使用的数据科学技术，以突出当前问题和潜在方向。本文还解释了与域名生成算法检测相关的难题。这将帮助研究人员改进当前的域名生成算法的检测算法以及创建新的强大模型。

图：检测域名生成算法（DGA）的数据科学流程

文章题目：

An Effective Approach for Multiclass Classification of Adverse Events Using Machine Learning

利用机器学习进行多类别不良事件分类的有效方法

作  者：

Indu Bala

The University of Adelaide, Australia 

Thu-Lan Kelly

University of South Australia, Australia 

Renly Lim

University of South Australia, Australia

Marianne H. Gillam

University of South Australia, Australia

Lewis Mitchell

The University of Adelaide, Australia

摘   要：

可植入医疗器械被广泛用于治疗各种疾病。然而，这些器械可能会导致严重的负面事件，包括反复的手术干预和死亡。一些可植入医疗器械的长期使用会缩短预期寿命并显著降低患者的生活质量。大型不良事件数据库可以通过对可用数据来训练机器学习（ML）模型用以预测严重的负面事件。然而，大量的数据和冗长的自由文本响应使得有效地使用这些数据库变得具有挑战性。本研究专注于这样一个数据集：澳大利亚不良事件通知数据库，该数据库包含患者、医疗保健专业人员或制药行业撰写的文本。本研究根据植入器械报告的不良事件重点预测三个重大事件：受伤、无受伤和死亡。提出了一种新的机器学习方法，称为随机回归投票分类器，它结合了随机森林（RF）和逻辑回归（LR）。该模型的效率通过实验进行评估，使用词袋、词频-逆文档频率和全局向量等技术，并与现有的机器学习模型进行比较，例如决策树、随机森林、核支持向量机、朴素贝叶斯、逻辑回归和XGboost。结果表明，在预测不良事件方面，该模型比其他方法具有更高的性能。各种实验分析表明，所提出的方法比其他机器学习模型表现更好。

图：随机回归投票分类器框架

文章题目：

VlseKriterijumska Optimizacija I Kompromisno Resenj (VIKOR) Method: MCDM Approach for the Medical Diagnosis of Vector-Borne Diseases

（VIKOR）方法：用于诊断病媒传播性疾病的多标准决策方法

作  者：

Vijay Kumar

Manav Rachna International Institute of Research and Studies, India

摘   要：

在处理具有不确定性的医学决策时，没有领域专家的介入，疾病的临床诊断是非常困难的。在这项工作中，我们开发了一种方法，为医学诊断提供了便携式支持。在德里地区政府医院的三位领域专家的协助下，我们在直觉模糊环境下收集了四位患者的语言信息。我们使用了VlseKriterijumska Optimizacija I Kompromisno Resenj（VIKOR）方法，这是一种多标准决策技术，用于对患者之间的疾病进行排序。结果显示，该方法的结论与医学专家的诊断结果一致。

表：用 VIKOR 方法对疾病进行排序

文章题目：

Methods for Multiple Attribute Group Decision Making Based on Picture Fuzzy Dombi Hamy Mean Operator

基于图模糊Dombi Hamy均值算子的多属性群体决策方法

作  者：

Muhammad Saad

Institute of Space Technology, Pakistan

Ayesha Rafiq

Institute of Space Technology, Pakistan

Luis Perez-Dominguez

Autonomous University of Ciudad Juárez, Mexico

摘   要：

在本文中，模糊性和不明确性通过图像模糊集 (PFSs) 这一有效工具进行了处理，尤其是在需要模拟各种维度进行评估的决策场景中。图像模糊集需要运算符来衡量两个PFSs之间的协调。就本文而言，我们为图像模糊集引入了新的运算符并进行应用验证，验证了其作为模糊集和直觉模糊集概念的概括。图像模糊集的混合结构与其他运算符相结合，开发了图像模糊 Dombi Hamy 均值运算符、图像模糊加权 Dombi Hamy 均值运算符、图像模糊 Dombi 对偶 Hamy 均值运算符和图像模糊加权 Dombi 对偶 Hamy 均值运算符。此外，本文还讨论了与每个提出的运算符相关的幂等性、单调性、有界性和可交换性等性质。通过使用这些运算符，提出了多属性群决策方法。此外，我们通过一个汽车供应商选择问题的例子解释了这些运算符的应用。通过使用在图像模糊集上定义的运算符，根据质量、生产、服务效率和风险因素等属性，选择了最佳汽车。还进行了比较研究，以证明所开发工作的重要性。 

表：R1 决策矩阵

文章题目：

The Impact of Color, Content, and Feeling of Empathy on Website Visitors’ Intentions to Support an NPO: The Moderated Mediation Role of Need for Social Status

颜色、内容和共鸣感对网站访问者支持非营利组织意愿的影响：社会地位需求的调节中介作用

作  者：

Camila Saenz

National Taipei University of Technology, China

Yulun Liu

University of Kent, United Kingdom

Hanling Jiang

National Taipei University of Technology, China

摘   要：

非营利组织（NPO）正在经历逐渐的转型，以适应当前时代的需要。他们面临的主要挑战之一是有效地利用社交媒体和在线捐赠的力量，这对预算有限的中小型非营利组织来说更是一项艰巨的任务。为了应对这一挑战，本文展开了一项实验性研究，重点关注网站和广告设计与消费者心理原则的交集。这项研究涉及一项基于情景的实验，参与者来自美国，共 452 人。实验结果揭示了颜色和内容的使用在塑造在线捐赠意愿和分享网站链接的倾向方面之间存在着重大而有趣的相互作用。重要的是，这种动态被发现是由访问 NPO 网站的访客所体验到的感知同情程度所调节的，而这反过来又受到他们对社会地位的个人渴望的影响。这些发现为 NPO 管理人员和设计师提供了可操作的见解。通过将他们的网站设计与客户偏好相一致，NPO 可以以低成本的方式增强其在线影响力。这反过来又促进了社交媒体平台上的更多参与，并鼓励在线捐赠激增，帮助 NPO 平稳过渡到数字时代。在一个在线知名度和筹款能力对 NPO 可持续发展至关重要的世界里，这项研究为他们持续成功和影响力提供了宝贵的路线图。 

表：参与者人口统计（n=452）

文章题目：

Switching-Algebraic Calculation of Banzhaf Voting Indices

计算班扎夫Banzhaf 投票指数的转换代数方法

作  者：

Ali Muhammad Rushdi

King Abdulaziz University, Saudi Arabia

Muhammad Ali Rushdi

New Giza University, Egypt

摘   要：

本文提出了一种基于切换代数的方法来计算Banzhaf投票指数,这是加权投票系统中投票权的一个基本度量。这一计算涉及两个不同的操作：（a）布尔差分或微分，以及（b）计算转换函数的权重（真向量或最小项的数量）。如果相关的转换函数是对称的，或以不相交的乘积总和形式表示，那么这两种操作都可以被大大简化，变得更为方便。我们对如何实现这两种操作进行了教程式的阐述，重点介绍了在一组参数的某些子集之间存在部分对称的情况。作者引入了基于布尔的对称感知的新技术，通过两个著名的投票系统计算班扎夫指数。这两个系统分别是涉及六个变量和九个变量的标量系统。本文旨在将投票系统的方法论和概念转化为切换代数领域,并利用切换代数工具计算投票权指数。

文章题目：

Time-Aware Similarity Integration for User-Based Collaborative Filtering

基于用户协同过滤的时间感知相似性集成

作  者：

Soojung Lee

Gyeongin National University of Education, Republic of Korea

摘   要：

基于时间感知协同过滤的推荐系统，通过优先考虑相似邻居最近喜欢的项目而不是过去喜欢的项目，为当前用户提供项目推荐。相似性度量对系统性能的影响至关重要，本研究的重点是度量用户之间随时间变化的相似性。在将用户的评分时间划分为若干时间段并计算每个时间段的相似度后，通过对过去的相似度值赋予较低权重，对最近的相似度值赋予较高权重，最终得出相似度的加权和。此外，为了确保相似度测量的连续性，连续的时间间隔被设置为重叠。在对现有的相似性测量方法进行实验后发现，所提出的方法在一些主要性能指标上都有显著的改进。其中，覆盖率的改善程度最高，而且当时间间隔之间的重叠规模较大时，性能改善效果要比重叠规模较小时高。

表：所提方法的时间间隔说明

文章题目：

An MCGDM Technique for Weighted Average Interaction Aggregation Operator Under Interval-Valued Intuitionistic Fuzzy Hypersoft Set Environment

一种基于区间值直觉模糊超软集环境下加权平均交互聚合算子的MCGDM(多准则群决策)技术

作  者：

Rana Muhammad Zulqarnain

Zhejiang Normal University, China

Imran Siddique

University of Management and Technology, Pakistan

摘   要：

直觉模糊超软集（IFHSS）是直觉模糊软集的最广义形式，用于解决决策（DM）过程中模棱两可和难以捉摸的数据，同时考虑参数的多重子属性。聚合算子（AOs）在评估两个前景序列和消除这种感知的焦虑方面发挥着动态作用。本文将直觉模糊超软集扩展为区间值直觉模糊超软集（IVIFHSS），它能有效地处理犹豫不决和不明确的数据。它是将不安全数据纳入决策（DM）的最有效技术。本研究的核心是建立区间值直觉模糊超软集的代数运算法则。此外，利用交互运算法则，提出了区间值直觉模糊超软集的交互聚合算子，如区间值直观模糊超软交互加权平均（IVIFHSIWA）及其基本特性。多标准群体决策（MCGDM）技术是材料选择（MS）的有力工具。然而，传统的多标准群体决策方法经常产生不一致的结果。针对这一不足，工业企业根据预期的聚合算子，提出了一种稳健的多标准群体决策的材料选择方法。本文将提出的多标准群体决策方法应用于低温储存容器材料的选择中,结果表明该模型在处理基于区间值直觉模糊超软集的信息时更有效和一致。

文章题目：

A Machine Learning Model to Predict Cyberattacks in Connected and Autonomous Vehicles

预测联网和自动驾驶汽车网络攻击的机器学习模型

作  者：

Manoj K. Jha

University of Maryland Global Campus, USA

摘   要：

联网和自动驾驶汽车（CAV）在很大程度上还处于试验阶段。要成功部署和实地应用这些系统，就必须认真考虑它们在网络攻击面前的脆弱性。主要的安全漏洞存在于控制器区域网络（CAN）协议中，该协议允许自动驾驶汽车的电子控制单元互相通信。为了解决这一漏洞并减少网络攻击，可以开发机器学习（ML）算法来检测联网和自动驾驶汽车的控制器区域网络系统的入侵。本研究对来自黑客和对策研究实验室的实验数据集进行了训练和测试。由于基于随机森林分类器的机器学习模型在预测由300多万个数据集组成的联网和自动驾驶汽车的网络攻击方面具有很高的效率，因此开发了该新型机器学习模型。在进行预测之前，使用Python编程环境中的一些程序来清理数据集。入侵检测的预测采用70:30的训练数据和测试数据，随机状态为11，估计器数量为200。在所有情况下，预测的准确率都超过了92%。如果有实时数据，该模型可用于实时调查联网和自动驾驶汽车中的网络攻击。本研究中开发的数据清理方法还可应用于其他具有大型数据集的机器学习应用，如信用卡欺诈和药物发现等。

图：控制器区域网络总线网络入侵检测的典型架构

文章题目：

A Modified Hooke–Jeeves Algorithm in Two-Player Nonlinear Static Game: With an Application in Forest Management

双人非线性静态博弈中的修正胡克-杰维斯算法：在森林管理中的应用

作  者：

Ankan Bhaumik

Vidyasagar University, India

Partha Karmakar

West Bengal Board of Secondary Education, India

Harihar Bhowmick

Vidyasagar Institute of Health, India

摘   要：

在每个决策问题中，为了获得最佳结果的策略考量都起着关键作用。博弈论本身保留了得出一些决策结论的可持续性。文献中存在着不同形式的博弈。本文关注的是双人非线性静态博弈。我们在这里考虑通过胡克-杰维斯Hooke–Jeeves（HJ）算法（一种用于解决无约束优化的工具）的算法结构,并对HJ算法进行了一定的修改，来解决博弈问题。从根本上说，我们重点关注的是对要优化的函数进行修改。因此，所提议的算法被命名为修改后的 HJ 算法。大量文章介绍了使用HJ算法解决各种现实问题的不同方案。本文将森林管理问题作为修改后的HJ算法的应用，并将结果与解析方法和图形方法进行了比较。与解析方法和图形方法相比，我们提出的方法在最优策略集和最优收益值方面获得了更好的结果。 

图：玩家收益的图形表示。