亚洲色图欧美,在线观看亚洲精品视频,成人免费视频a

基于隱私保護(hù)的電解鋁生產(chǎn)決策方法[通信與網(wǎng)絡(luò)][信息安全]

在電解鋁生產(chǎn)過(guò)程中，傳統(tǒng)的人工控制決策方式已經(jīng)難以適應(yīng)現(xiàn)代鋁電解生產(chǎn)要求，當(dāng)下深度學(xué)習(xí)算法處理此類(lèi)時(shí)間序列數(shù)據(jù)得到廣泛應(yīng)用，決策是否高效影響鋁電解槽的穩(wěn)定運(yùn)行和高效產(chǎn)出鋁。同時(shí)，數(shù)據(jù)隱私問(wèn)題也不容忽視，隱私安全既影響電解鋁生產(chǎn)過(guò)程又影響其正常使用，誤用、濫用數(shù)據(jù)挖掘可能導(dǎo)致用戶(hù)數(shù)據(jù)特別是敏感信息的泄露，而信息一旦丟失或泄漏將造成重大的損失。針對(duì)以上問(wèn)題，提出一種利用改進(jìn)LSTM模型結(jié)構(gòu)結(jié)合優(yōu)化ElGamal算法的電解鋁決策方法：首先針對(duì)數(shù)據(jù)隱私問(wèn)題提出了優(yōu)化后的ElGamal算法；再針對(duì)電解鋁數(shù)據(jù)特性改進(jìn)LSTM模型結(jié)構(gòu)與優(yōu)化ElGamal算法的雙結(jié)合。實(shí)驗(yàn)結(jié)果表明，本方法可以在保證決策隱私安全的情況下，性能優(yōu)于傳統(tǒng)方法，在實(shí)際情況中有參考的價(jià)值。

發(fā)表于：9/26/2024

基于自監(jiān)督圖神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)[通信與網(wǎng)絡(luò)][信息安全]

為了解決現(xiàn)有網(wǎng)絡(luò)入侵檢測(cè)方法在特征提取單一、數(shù)據(jù)依賴(lài)強(qiáng)以及模型泛化能力差等方面的問(wèn)題，提出了一種基于自監(jiān)督圖神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)方法。首先，通過(guò)自監(jiān)督學(xué)習(xí)策略，利用圖卷積網(wǎng)絡(luò)提取網(wǎng)絡(luò)流量數(shù)據(jù)中的結(jié)構(gòu)特征，增強(qiáng)模型在無(wú)標(biāo)簽數(shù)據(jù)上的特征學(xué)習(xí)能力，從而降低對(duì)標(biāo)注數(shù)據(jù)的依賴(lài)并提升泛化能力。其次，使用卷積神經(jīng)網(wǎng)絡(luò)提取網(wǎng)絡(luò)流量中時(shí)間序列的空間特征，并通過(guò)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)建模時(shí)間依賴(lài)性，進(jìn)行多視角特征提取，提高檢測(cè)的全面性。最后，設(shè)計(jì)了一種特征融合策略，豐富模型特征表示，提升模型魯棒性。在公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提方法具有更高的準(zhǔn)確率和F1值。

發(fā)表于：9/26/2024

金融行業(yè)數(shù)據(jù)全生命周期的安全保護(hù)研究[通信與網(wǎng)絡(luò)][信息安全]

隨著數(shù)字經(jīng)濟(jì)的繁榮和金融行業(yè)數(shù)字化轉(zhuǎn)型的加速，數(shù)據(jù)已經(jīng)成為了推動(dòng)金融行業(yè)轉(zhuǎn)型的新興力量。然而，在這個(gè)過(guò)程中，數(shù)據(jù)安全防護(hù)成為了保障金融穩(wěn)定和安全的關(guān)鍵環(huán)節(jié)，其對(duì)于國(guó)家安全和社會(huì)穩(wěn)定的影響不容忽視。分析了金融行業(yè)面臨的數(shù)據(jù)安全風(fēng)險(xiǎn)，提出在金融行業(yè)內(nèi)的數(shù)據(jù)安全體系建設(shè)實(shí)踐，為構(gòu)建金融行業(yè)的數(shù)據(jù)安全體系提供參考。

發(fā)表于：9/26/2024

基于匿名查詢(xún)的雙向隱私保護(hù)方法[通信與網(wǎng)絡(luò)][信息安全]

為應(yīng)對(duì)多方數(shù)據(jù)查詢(xún)中潛在的信息泄露、身份暴露以及查詢(xún)內(nèi)容泄露等安全風(fēng)險(xiǎn)，設(shè)計(jì)了一個(gè)保護(hù)多方隱私的匿名查詢(xún)方法。通過(guò)結(jié)合ElGamal同態(tài)加密技術(shù)、不經(jīng)意傳輸協(xié)議以及一次性會(huì)話(huà)密鑰等多種加密手段，提出了一種基于匿名查詢(xún)的雙向隱私保護(hù)方法。該方法引入代理節(jié)點(diǎn)來(lái)執(zhí)行所有的查詢(xún)操作，從而有效隱藏查詢(xún)方和被查詢(xún)方的原始數(shù)據(jù)及查詢(xún)行為，并支持多個(gè)機(jī)構(gòu)在保護(hù)各自數(shù)據(jù)隱私的同時(shí)進(jìn)行聯(lián)合查詢(xún)。通過(guò)測(cè)試驗(yàn)證，該方法可以提供高效的查詢(xún)性能和準(zhǔn)確的查詢(xún)結(jié)果，有效保障各參與方的數(shù)據(jù)安全。

發(fā)表于：9/26/2024

工業(yè)網(wǎng)絡(luò)的高級(jí)可持續(xù)性威脅監(jiān)測(cè)、溯源技術(shù)[通信與網(wǎng)絡(luò)][信息安全]

工業(yè)自動(dòng)化控制系統(tǒng)多使用專(zhuān)用通信協(xié)議，應(yīng)用場(chǎng)景與生產(chǎn)工藝流程緊密聯(lián)系。目前所普遍采用的工控威脅監(jiān)測(cè)技術(shù)是基于被動(dòng)防御理念，無(wú)法有效識(shí)別以工業(yè)基礎(chǔ)設(shè)施為目標(biāo)，且技術(shù)復(fù)雜、手段隱蔽的入侵威脅。以工業(yè)網(wǎng)絡(luò)中傳輸?shù)墓I(yè)相關(guān)文件還原為數(shù)據(jù)基礎(chǔ)，提出基于soft-PLC仿真平臺(tái)應(yīng)用級(jí)的監(jiān)測(cè)分析以及關(guān)鍵安全特征追溯方案，不但可以更加全面覆蓋工業(yè)網(wǎng)絡(luò)威脅模型的多個(gè)階段，還可以更加充分地應(yīng)對(duì)工業(yè)生產(chǎn)場(chǎng)景入侵、干擾行為的技術(shù)特點(diǎn)，成為工業(yè)網(wǎng)絡(luò)高級(jí)可持續(xù)性威脅監(jiān)測(cè)、溯源的有效途徑之一。

發(fā)表于：9/26/2024

儲(chǔ)能系統(tǒng)：如何輕松安全地管理電池包[電源技術(shù)][工業(yè)自動(dòng)化]

鋰離子(Li-Ion)電池和其他化學(xué)電池不僅在汽車(chē)行業(yè)扮演著關(guān)鍵角色，而且也是儲(chǔ)能系統(tǒng)(ESS)的主力軍。例如，超級(jí)工廠每天可以利用可再生能源生產(chǎn)數(shù)兆瓦時(shí)電力。電網(wǎng)如何承受24小時(shí)內(nèi)的各種負(fù)載波動(dòng)？利用基于電池的電網(wǎng)支持儲(chǔ)能系統(tǒng)(BESS)可以有效解決這個(gè)問(wèn)題。本文討論了電池管理控制器解決方案及其在開(kāi)發(fā)和部署ESS時(shí)的有效性。

發(fā)表于：9/26/2024

派拓網(wǎng)絡(luò)：通過(guò)AI驅(qū)動(dòng)的網(wǎng)絡(luò)安全加速5G發(fā)展[人工智能][5G]

雖然5G專(zhuān)網(wǎng)有望大幅提升效率，但保護(hù)5G專(zhuān)網(wǎng)的安全對(duì)于各種規(guī)模的企業(yè)都是一項(xiàng)挑戰(zhàn)。

發(fā)表于：9/24/2024

粒子群優(yōu)化算法在無(wú)人分布式陣面的應(yīng)用[通信與網(wǎng)絡(luò)][航空航天]

機(jī)載雷達(dá)受限于載機(jī)平臺(tái)，無(wú)法獲得更大口徑的陣面，而在無(wú)人機(jī)平臺(tái)，可將雷達(dá)陣面化整為零，在有限陣元數(shù)條件下，采用稀布陣列可獲得更大口徑的陣面。然而稀布陣列造成方向圖柵瓣和副瓣的抬高，需對(duì)稀布陣列進(jìn)行優(yōu)化，消除柵瓣、降低副瓣后方能使用。稀布陣列方向圖優(yōu)化是一個(gè)離散優(yōu)化問(wèn)題，將粒子群優(yōu)化算法應(yīng)用于無(wú)人分布式雷達(dá)的稀布陣列上，其算法原理簡(jiǎn)單，運(yùn)行速度快，可調(diào)參數(shù)少，以較少的陣元數(shù)獲得無(wú)柵瓣和低副瓣的方向圖，從而提升無(wú)人分布式陣面的性能。

發(fā)表于：9/14/2024

一種機(jī)載詢(xún)問(wèn)機(jī)波束指向偏差修正算法[通信與網(wǎng)絡(luò)][航空航天]

針對(duì)在一次雷達(dá)方位牽引條件下使用的機(jī)載敵我識(shí)別詢(xún)問(wèn)機(jī)，載機(jī)轉(zhuǎn)彎段存在波束指向偏差大的問(wèn)題，深入分析了誤差來(lái)源并對(duì)誤差影響程度進(jìn)行了仿真分析，指出載機(jī)轉(zhuǎn)彎時(shí)，若按照雷達(dá)的指示方位設(shè)置敵我識(shí)別詢(xún)問(wèn)機(jī)波束指向，波束不能夠?qū)?zhǔn)目標(biāo)。提出了一種機(jī)載詢(xún)問(wèn)機(jī)的波束指向偏差修正算法，修正了敵我識(shí)別詢(xún)問(wèn)機(jī)波束指向并進(jìn)行了仿真驗(yàn)證。仿真結(jié)果表明：所提出的修正算法能夠使敵我識(shí)別詢(xún)問(wèn)機(jī)在載機(jī)轉(zhuǎn)彎段維持高指向精度，促進(jìn)了機(jī)載敵我識(shí)別/二次雷達(dá)系統(tǒng)的發(fā)展。

發(fā)表于：9/14/2024

基于多尺度顯著性檢測(cè)的SAR圖像海岸線(xiàn)檢測(cè)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

SAR圖像岸線(xiàn)檢測(cè)是SAR近岸海洋目標(biāo)檢測(cè)的一項(xiàng)重要環(huán)節(jié)。提出了一種基于多尺度顯著性檢測(cè)的SAR圖像海岸線(xiàn)檢測(cè)方法，用以檢測(cè)低對(duì)比度SAR圖像的海岸線(xiàn)。首先將SAR圖像依據(jù)尺度系數(shù)進(jìn)行多尺度變換，然后對(duì)于每種尺度圖像進(jìn)行譜殘差法顯著性檢測(cè)，得到一系列顯著性子圖；而后應(yīng)用NSCT變換融合各顯著子圖得到最終顯著圖，將顯著圖代入到活動(dòng)輪廓模型中進(jìn)行檢測(cè)，得到檢測(cè)結(jié)果。SAR圖像實(shí)驗(yàn)結(jié)果表明，該方法相比于傳統(tǒng)方法，提升了對(duì)于低對(duì)比度圖像的適應(yīng)性，增強(qiáng)了抗噪性能。

發(fā)表于：9/14/2024

一種用于DOA估計(jì)的高精度同步多天線(xiàn)系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

信號(hào)波達(dá)方向估計(jì)（DOA）是確定信源或目標(biāo)的關(guān)鍵技術(shù)之一，廣泛應(yīng)用于雷達(dá)、通信和導(dǎo)航等領(lǐng)域。設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于FPGA和多片AD9361的用于DOA估計(jì)的高精度同步多天線(xiàn)系統(tǒng)。該系統(tǒng)采用校準(zhǔn)源反饋到各接收通道的硬件設(shè)計(jì)，結(jié)合FFT精確估計(jì)相位差，并利用迭代優(yōu)化校準(zhǔn)方式進(jìn)行補(bǔ)償，從而實(shí)現(xiàn)高精度同步。該系統(tǒng)具有高精度、高穩(wěn)定、小型輕便的優(yōu)勢(shì)。經(jīng)測(cè)試，該系統(tǒng)在100 MHz至1.25 GHz頻帶內(nèi)能夠快速收斂到±0.2°多通道相位誤差，并能夠在99.74%時(shí)間內(nèi)保持穩(wěn)定在該區(qū)間。相比于共用外部本振的同步方式，該設(shè)計(jì)簡(jiǎn)化本振系統(tǒng)設(shè)計(jì)，相位誤差從±5°減小到±0.2°，且具有易實(shí)現(xiàn)、易拓展、實(shí)時(shí)性的優(yōu)勢(shì)。

發(fā)表于：9/14/2024

基于CNN-BiLSTM-Attetion的銀杏液流預(yù)測(cè)模型及環(huán)境因子影響研究[模擬設(shè)計(jì)][其他]

樹(shù)木液流受生理活動(dòng)和多重環(huán)境因子的共同作用，表現(xiàn)為非線(xiàn)性和隨機(jī)性特征，為預(yù)測(cè)模型的精確度帶來(lái)挑戰(zhàn)。對(duì)此，結(jié)合CNN卷積層、BiLSTM雙向網(wǎng)絡(luò)結(jié)構(gòu)和注意力機(jī)制的優(yōu)勢(shì)分別對(duì)樹(shù)干液流序列的局部特征、長(zhǎng)期依賴(lài)和關(guān)鍵信息進(jìn)行提取，并根據(jù)自測(cè)銀杏液流數(shù)據(jù)集構(gòu)建基于CNN-BiLSTM-Attetion的樹(shù)干液流預(yù)測(cè)模型。該模型的R2、MSE和MAE分別為0.977 3、0.002 9和0.013 4，相較于CNN、BiLSTM、XGBoost、RNN和TCN建立的模型均有不同程度的提高。另外，還利用特征工程對(duì)環(huán)境因子的重要性進(jìn)行排名，分析銀杏樹(shù)干液流在生長(zhǎng)季初期對(duì)環(huán)境因子的響應(yīng)規(guī)律，對(duì)銀杏生長(zhǎng)季初期的灌溉和養(yǎng)護(hù)提供理論依據(jù)。

發(fā)表于：9/14/2024

非均勻光照下銅板表面缺陷圖像增強(qiáng)[EDA與制造][工業(yè)自動(dòng)化]

針對(duì)銅板表面缺陷圖像容易受到非均勻光照影響，出現(xiàn)反光和亮度失真，導(dǎo)致圖像難以運(yùn)用到檢測(cè)中的問(wèn)題，提出了一種非均勻光照?qǐng)鼍跋裸~板表面缺陷圖像的增強(qiáng)方法。首先提取圖像中的光照分量，然后將光照分量進(jìn)行分塊，根據(jù)不同塊的亮度進(jìn)行優(yōu)化，并在分塊的基礎(chǔ)上進(jìn)行自適應(yīng)伽馬變換，調(diào)整圖像中的整體亮度。然后，使用Top-Hat變換加強(qiáng)圖像中的缺陷區(qū)域，最后將Top-Hat變換前后的圖像進(jìn)行融合，得到最終的圖像。實(shí)驗(yàn)結(jié)果表明，在擦傷、劃痕、孔洞這三類(lèi)缺陷中，增強(qiáng)后的圖像信息熵分別提升了10.51%、5.29%、2.89%，與其他圖像增強(qiáng)算法相比，所提算法能夠有效抑制銅板表面缺陷的反光，提升圖像的質(zhì)量并增強(qiáng)圖像中的缺陷區(qū)域。

發(fā)表于：9/14/2024

無(wú)人機(jī)城市三維航跡規(guī)劃可視化平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][航空航天]

隨著無(wú)人機(jī)在城市場(chǎng)景下的廣泛應(yīng)用，針對(duì)傳統(tǒng)路徑規(guī)劃算法在多個(gè)約束條件下進(jìn)行無(wú)人機(jī)三維路徑規(guī)劃時(shí)無(wú)法兼顧多種風(fēng)險(xiǎn)、容易陷入局部最優(yōu)等問(wèn)題，基于真實(shí)城市建筑物數(shù)據(jù)，考慮地理圍欄限制、人流密集程度和社會(huì)屬性等因素，構(gòu)建城市場(chǎng)景無(wú)人機(jī)運(yùn)行環(huán)境并建立真實(shí)三維環(huán)境模型，設(shè)計(jì)了基于城市場(chǎng)景的無(wú)人機(jī)三維航跡規(guī)劃可視化平臺(tái)。該平臺(tái)構(gòu)建了真實(shí)環(huán)境下城市空域網(wǎng)格，并對(duì)網(wǎng)格飛行適宜度進(jìn)行了量化分析，并基于該數(shù)值，采用了改進(jìn)的Lazy Theta*算法對(duì)無(wú)人機(jī)航跡進(jìn)行規(guī)劃。通過(guò)可視化平臺(tái)的實(shí)際運(yùn)行，提供航跡規(guī)劃的三維展示，更好地實(shí)現(xiàn)人機(jī)交互，是一種無(wú)人機(jī)路徑規(guī)劃三維可視化仿真驗(yàn)證的手段。

發(fā)表于：9/14/2024

基于SiP技術(shù)多核處理器微系統(tǒng)設(shè)計(jì)[EDA與制造][通信網(wǎng)絡(luò)]

系統(tǒng)級(jí)封裝SiP（System in a Package）已成為后摩爾時(shí)代延續(xù)摩爾定律的主要技術(shù)路線(xiàn)，電子裝備小型化和多功能化的推動(dòng)，使其在領(lǐng)域具有廣闊前景。描述了一種基于 SiP 技術(shù)小型化多核信號(hào)處理的實(shí)現(xiàn)方案，詳細(xì)講述了芯片級(jí)設(shè)計(jì)及封裝的具體方法和思路，提出了一種基于 SiP 技術(shù)的多核處理器微系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)。

發(fā)表于：9/14/2024