一種面向軟件定義網(wǎng)絡(luò)的安全態(tài)勢感知方法[通信與網(wǎng)絡(luò)][信息安全]

隨著互聯(lián)網(wǎng)基礎(chǔ)設(shè)施的飛速發(fā)展和新應(yīng)用的不斷涌現(xiàn)，拒絕服務(wù)攻擊作為網(wǎng)絡(luò)層攻擊的一個(gè)典例始終是安全人員重點(diǎn)防范的對象，而新興的SDN網(wǎng)絡(luò)在控制層和基礎(chǔ)設(shè)施層同樣也有受到拒絕服務(wù)攻擊的風(fēng)險(xiǎn)。在現(xiàn)有的安全技術(shù)中，網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)獨(dú)特的優(yōu)勢使之能同時(shí)有效地用于傳統(tǒng)網(wǎng)絡(luò)與SDN網(wǎng)絡(luò)。研究了應(yīng)用于網(wǎng)絡(luò)安全態(tài)勢感知的相關(guān)算法，并實(shí)現(xiàn)了一個(gè)基于JDL多傳感器數(shù)據(jù)融合的網(wǎng)絡(luò)安全態(tài)勢感知模型，并將其應(yīng)用于SDN網(wǎng)絡(luò)中對拒絕服務(wù)攻擊的感知和評估。實(shí)驗(yàn)結(jié)果顯示與單純使用IDS的方法相比，融合決策的誤報(bào)率和漏報(bào)率均有所下降，且輸出的態(tài)勢值具有一定的準(zhǔn)確度，符合系統(tǒng)安全管理人員直觀評估的結(jié)果。

發(fā)表于：12/16/2020

應(yīng)用于衛(wèi)星導(dǎo)航系統(tǒng)的多頻圓極化天線[通信與網(wǎng)絡(luò)][航空航天]

設(shè)計(jì)了一款應(yīng)用于衛(wèi)星導(dǎo)航系統(tǒng)的多頻圓極化天線。天線由微帶單元與螺旋單元構(gòu)成，微帶單元采用疊層結(jié)構(gòu)實(shí)現(xiàn)北斗一代收發(fā)L/S雙頻段覆蓋；螺旋單元采用四臂螺旋結(jié)構(gòu)及多點(diǎn)饋電技術(shù)實(shí)現(xiàn)北斗B1和GPS L1頻段覆蓋。仿真結(jié)果表明，該天線各端口S11值低于-10 dB的帶寬為93 MHz(1 509～1 602 MHz)、12 MHz(1 610～1 622 MHz)和70 MHz(2 453～2 523 MHz)，天線在B1頻段、GPS L1頻段、北斗L頻段及北斗S頻段的增益分別為6.19 dB、6.13 dB、3.47 dB和5.64 dB。該天線具有方向圖波束寬度寬、相位中心穩(wěn)定、低仰角增益高等特點(diǎn)，天線各項(xiàng)指標(biāo)均滿足衛(wèi)星導(dǎo)航系統(tǒng)對天線性能的要求。

發(fā)表于：12/16/2020

階梯計(jì)費(fèi)算法構(gòu)建及其在燃?xì)獗碇械膽?yīng)用設(shè)計(jì)[通信與網(wǎng)絡(luò)][信創(chuàng)產(chǎn)業(yè)]

對燃?xì)怆A梯計(jì)費(fèi)的技術(shù)要求和技術(shù)條件進(jìn)行分析和歸納，構(gòu)建了一種階梯計(jì)費(fèi)算法的技術(shù)模型。創(chuàng)新地提出了一種表內(nèi)雙計(jì)費(fèi)方案的設(shè)計(jì)方法，在燃?xì)獗韮?nèi)設(shè)置兩套階梯計(jì)費(fèi)方案，并根據(jù)方案的有效日期判別其中一套方案為當(dāng)前運(yùn)行方案，相比單方案設(shè)計(jì)，降低了計(jì)費(fèi)方案修改、啟用、調(diào)價(jià)和實(shí)時(shí)時(shí)鐘校時(shí)等操作的復(fù)雜處理要求。最后，詳細(xì)分析了階梯計(jì)費(fèi)燃?xì)獗淼墓δ苄枨蟆⑾到y(tǒng)組成和計(jì)費(fèi)測試方法，設(shè)計(jì)開發(fā)了一款具有實(shí)時(shí)階梯計(jì)費(fèi)功能的CPU卡階梯計(jì)費(fèi)燃?xì)獗怼?/a>

一種高速大電流的PAM4光發(fā)射機(jī)設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

隨著通信數(shù)據(jù)比特率不斷提升，PAM4(四階脈沖幅度調(diào)制)光發(fā)射機(jī)已經(jīng)在超高速光纖通信系統(tǒng)中得到更廣泛的應(yīng)用。設(shè)計(jì)了一種包含NRZ（非歸零）編碼-RZ（歸零）編碼轉(zhuǎn)換電路的PAM4光發(fā)射機(jī)，基于電流模邏輯增加了電路的工作速度和抗干擾能力。通過帶自偏置可控延時(shí)電路實(shí)現(xiàn)了NRZ編碼到RZ編碼的轉(zhuǎn)換，減小了長鏈路信號傳輸?shù)纳⑿?yīng)。驅(qū)動(dòng)器采用預(yù)驅(qū)動(dòng)與主驅(qū)動(dòng)級聯(lián)的方式增大電路驅(qū)動(dòng)能力，并通過串聯(lián)電阻實(shí)現(xiàn)級間的共模電平匹配。電路設(shè)計(jì)采用0.13 μm SOI CMOS工藝，仿真結(jié)果表明在兩路輸入數(shù)據(jù)比特率為2.5 Gb/s，典型負(fù)載為25 Ω時(shí)，最大輸出電流為120 mA，電流脈沖寬度為125 ps，PAM4眼圖張開度良好。

發(fā)表于：12/16/2020

基于國密算法的IPSec VPN設(shè)計(jì)與實(shí)現(xiàn)[其他][信息安全]

基于國家安全和經(jīng)濟(jì)發(fā)展的客觀需求，在安全產(chǎn)品中采用國密算法，確保網(wǎng)絡(luò)通信自主安全十分必要。通過將IPSec協(xié)議中的默認(rèn)非對稱協(xié)商算法、哈希算法和對稱加密算法分別采用國密SM2、SM3、SM4算法替代，設(shè)計(jì)并實(shí)現(xiàn)基于Linux系統(tǒng)內(nèi)核協(xié)議棧的IPSec VPN系統(tǒng)。實(shí)踐表明，采用國密算法能夠有效滿足IPSec VPN的需求。

發(fā)表于：12/16/2020

云環(huán)境下國產(chǎn)可信根TCM虛擬化方案研究[通信與網(wǎng)絡(luò)][信息安全]

將可信計(jì)算技術(shù)應(yīng)用于云計(jì)算環(huán)境中是保證云安全的有效途徑。針對國產(chǎn)可信計(jì)算的可信根可信密碼模塊(Trusted Cryptography Module，TCM)只適用于單機(jī)平臺，無法為多虛擬機(jī)的云平臺提供安全可信性保障的問題，對TCM的虛擬化方案進(jìn)行研究，構(gòu)建云可信根(Cloud TCM，C-TCM)架構(gòu)。在C-TCM物理環(huán)境內(nèi)部構(gòu)造宿主可信根和虛擬可信根，分別為物理宿主機(jī)和虛擬機(jī)提供可信服務(wù)，同時(shí)在虛擬機(jī)監(jiān)視器層部署虛擬可信根管理機(jī)制，實(shí)現(xiàn)虛擬可信根對C-TCM硬件資源的共享。該方案可有效保證云平臺的安全可信性。

發(fā)表于：12/16/2020

基于圖像技術(shù)的EAN-13條碼識別系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][其他]

條形碼技術(shù)作為一種數(shù)據(jù)采集和自動(dòng)識別技術(shù)應(yīng)用非常廣泛。為了更好地滿足應(yīng)用場景的自動(dòng)化功能需求，利用圖像處理相關(guān)技術(shù)，對EAN-13條形碼識別的相關(guān)算法進(jìn)行了研究。首先，針對采集到的條形碼圖像進(jìn)行圖像預(yù)處理，包括圖像灰度化、基于Hough變換的圖像傾角矯正、目標(biāo)分割和圖像濾波；然后根據(jù)條形碼編碼的既定規(guī)則，采用平均值法和校驗(yàn)碼驗(yàn)證法對條形碼進(jìn)行譯碼；最后，利用MATLAB仿真軟件，設(shè)計(jì)了一個(gè)條形碼識別系統(tǒng)。通過實(shí)驗(yàn)驗(yàn)證，所設(shè)計(jì)的系統(tǒng)識別率可以達(dá)到99%以上，取得了很好的效果。

發(fā)表于：12/16/2020

基于C/S架構(gòu)的機(jī)場地理信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][智能交通]

近年來，隨著生活水平的提高，人們越來越多地選擇飛機(jī)作為長距離旅行的交通工具，因此對機(jī)場效率提出了更高的要求，機(jī)場信息化就成為了大勢所趨。而地理信息系統(tǒng)作為機(jī)場信息化的重要組成部分，對其研究和開發(fā)就成為了機(jī)場信息化建設(shè)的重要內(nèi)容之一。分析了當(dāng)前機(jī)場地理信息系統(tǒng)的技術(shù)現(xiàn)狀，針對其實(shí)時(shí)性差和安全性不高等問題，提出了一種基于C/S架構(gòu)的新型機(jī)場地理信息系統(tǒng)。該系統(tǒng)在中航油智慧加油改造項(xiàng)目中實(shí)現(xiàn)并得到成功應(yīng)用，具有實(shí)時(shí)性好、安全性高等特點(diǎn)。

發(fā)表于：12/16/2020

基于TrackRay的滲透測試平臺設(shè)計(jì)[其他][信息安全]

如何維護(hù)網(wǎng)絡(luò)信息安全一直是IT行業(yè)重點(diǎn)關(guān)注的問題。滲透測試是一種常見的網(wǎng)絡(luò)安全評估方法，由于滲透測試所采用的安全工具過于繁雜，因此設(shè)計(jì)一個(gè)基于TrackRay的滲透測試平臺，內(nèi)置有漏洞掃描器和Web服務(wù)接口，并集成和綜合多種安全工具的優(yōu)點(diǎn)，功能強(qiáng)大，簡便易用。特別是支持Java、Python、JSON等方式編寫插件，調(diào)用各種類型插件來進(jìn)行滲透測試，可移植性大大提高。經(jīng)試驗(yàn)結(jié)果表明，該滲透測試平臺搭建簡單方便，可運(yùn)用于Windows和Linux等系統(tǒng)，并且可以進(jìn)行靈活的編寫插件實(shí)現(xiàn)快速的Web安全漏洞檢測。

發(fā)表于：12/16/2020

基于非凸包的灌注區(qū)包絡(luò)自動(dòng)擬合方法[其他][其他]

在微觀驅(qū)替實(shí)驗(yàn)中，往往利用玻璃刻蝕模型來觀察油水在巖心孔隙中的運(yùn)動(dòng)過程。對實(shí)驗(yàn)中采集到的微觀驅(qū)替序列圖進(jìn)行分析研究，能夠?qū)︱?qū)替效果進(jìn)行定量計(jì)算。針對微觀驅(qū)替序列圖中灌注區(qū)數(shù)量不固定、形態(tài)特征不規(guī)則、圖像數(shù)量多等問題，提出了一種基于非凸包的灌注區(qū)包絡(luò)自動(dòng)擬合方法。即先對灌注區(qū)點(diǎn)集進(jìn)行邊緣提取，再對灌注區(qū)進(jìn)行聚類分析，最后采用非凸包算法對每個(gè)灌注區(qū)提取包絡(luò)。結(jié)果顯示采用該方法得到的波及系數(shù)比傳統(tǒng)凸包算法具有更高的精確性，并可實(shí)現(xiàn)包絡(luò)擬合的自動(dòng)化，具有比較高的應(yīng)用價(jià)值。

發(fā)表于：12/16/2020

公路視頻實(shí)時(shí)車輛檢測分類與車流量統(tǒng)計(jì)算法[模擬設(shè)計(jì)][智能交通]

公路視頻實(shí)時(shí)車輛檢測分類與車流量統(tǒng)計(jì)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)經(jīng)典問題。傳統(tǒng)設(shè)置檢測帶法，易漏檢復(fù)檢，自動(dòng)化性不好。基于深度網(wǎng)絡(luò)的one-stage算法實(shí)時(shí)性好，但是經(jīng)常會把變化的背景、運(yùn)動(dòng)的非車輛物體納入其中，同時(shí)對光照變化敏感，夜間分類效果不好。因此，提出采用one-stage做目標(biāo)檢測，并不直接獲取分類結(jié)果，而是根據(jù)標(biāo)注框?qū)⑽矬w切割出來，去除背景，提升抗背景擾動(dòng)性能和分類效果；再送入一個(gè)經(jīng)過遷移學(xué)習(xí)的淺層神經(jīng)網(wǎng)絡(luò)；將分類輸出和目標(biāo)檢測網(wǎng)絡(luò)的位置輸出合并送入一個(gè)全圖匹配算法，進(jìn)行車流量統(tǒng)計(jì)。該方法在保障實(shí)時(shí)性的同時(shí)降低了漏檢和復(fù)檢率。

發(fā)表于：12/16/2020

基于AHP的威脅情報(bào)網(wǎng)站價(jià)值評估方法[其他][其他]

威脅情報(bào)的采集是情報(bào)搜集工作中至關(guān)重要的一個(gè)環(huán)節(jié)，威脅情報(bào)網(wǎng)站是其重要載體。首先確定了威脅情報(bào)的價(jià)值特性，然后討論了利用層次分析法確定諸多模糊聚類因子的權(quán)重，并且應(yīng)用模糊綜合評價(jià)方法建立了模糊綜合評價(jià)方法的兩級模型，從而得到對威脅情報(bào)網(wǎng)站的客觀評估，方便用戶在搜集信息時(shí)進(jìn)行權(quán)衡。與其他方法相比該方法評價(jià)結(jié)果更具準(zhǔn)確性，具有較大的現(xiàn)實(shí)意義和應(yīng)用前景。

發(fā)表于：12/16/2020

基于改進(jìn)LeNet-5的形狀類似物體識別方法[人工智能][工業(yè)自動(dòng)化]

針對深度學(xué)習(xí)在對外形類似物體的識別上存在著識別精度低、耗時(shí)長等問題，提出基于改進(jìn)的LeNet-5的識別方法。在傳統(tǒng)LeNet-5網(wǎng)絡(luò)基礎(chǔ)上，將卷積層變?yōu)殡p層非對稱卷積使網(wǎng)絡(luò)有更好的特征提取能力；通過批量歸一化提高網(wǎng)絡(luò)泛化能力；采用全局平均池化替代原Flatten層，用于克服傳統(tǒng)全連接層參數(shù)多、耗時(shí)長的缺點(diǎn)；通過對訓(xùn)練集進(jìn)行增廣增加訓(xùn)練樣本。實(shí)驗(yàn)結(jié)果表明，改進(jìn)LeNet-5網(wǎng)絡(luò)的訓(xùn)練精度達(dá)到91%，識別形狀類似物體的精度為87%，且能在較少迭代次數(shù)內(nèi)收斂，這些指標(biāo)均顯著優(yōu)于原網(wǎng)絡(luò)。

發(fā)表于：12/16/2020

卷積神經(jīng)網(wǎng)絡(luò)識別地基云圖的數(shù)據(jù)庫建立及處理方法[其他][其他]

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)具有非比尋常的從樣本中學(xué)習(xí)特征的能力，訓(xùn)練需要大量帶有標(biāo)簽的圖像樣本。因此，在使用卷積神經(jīng)網(wǎng)絡(luò)對地基云圖相關(guān)研究時(shí)，建立云圖樣本庫是第一步，也是非常重要的一步。首先，通過數(shù)碼相機(jī)直接拍攝、從互聯(lián)網(wǎng)上下載、從公開發(fā)行的云圖類書籍獲取以及由全天空照相機(jī)拍攝等手段獲取三個(gè)云圖樣本庫；接著，對三個(gè)樣本庫圖像的分辨率、噪聲、數(shù)量等問題進(jìn)行了分析；然后，采用雙線性插值和數(shù)據(jù)增強(qiáng)方法對樣本庫進(jìn)行歸一化預(yù)處理；最后，利用卷積神經(jīng)網(wǎng)絡(luò)、LBP、Heinle feature和Textonbased method三種方法對增強(qiáng)后的數(shù)據(jù)集進(jìn)行云識別分類驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，利用本文方法進(jìn)行增強(qiáng)數(shù)據(jù)可有效解決卷積神經(jīng)網(wǎng)絡(luò)對小樣本數(shù)據(jù)識別率不高

發(fā)表于：12/16/2020

基于Lucene的中文是非問答系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][其他]

針對中文是非問句，設(shè)計(jì)并實(shí)現(xiàn)了基于Lucene的問答系統(tǒng)，主要包括問句預(yù)處理、索引創(chuàng)建和答案整理三部分。問句預(yù)處理部分，引入句法成分權(quán)重和命名實(shí)體權(quán)重改進(jìn)TextRank算法，得到一種提取問句核心詞的方法。在索引創(chuàng)建部分，針對本地的多源數(shù)據(jù)進(jìn)行文檔融合創(chuàng)建索引，降低數(shù)據(jù)多樣性帶來的復(fù)雜度。在答案整理部分，對查詢索引結(jié)果進(jìn)行答案判決，輸出肯定或否定含義的答案。實(shí)驗(yàn)結(jié)果表明，數(shù)據(jù)融合能有效減少索引創(chuàng)建耗時(shí)，改進(jìn)TextRank的核心詞提取方法準(zhǔn)確率明顯高于TextRank，系統(tǒng)具有較為不錯(cuò)的性能。

發(fā)表于：12/16/2020