国产三级国产三级欧美三级,欧美性videofree精品,亚洲va欧美va

應(yīng)用軟件運(yùn)行速度提升16倍：Lightbits與Ceph的存儲(chǔ)性能對(duì)比[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

　　云計(jì)算和基于容器的應(yīng)用是推動(dòng)當(dāng)今IT領(lǐng)域產(chǎn)生重大變革的兩大趨勢(shì)。與其他技術(shù)和方法相比，二者都能夠以更高的靈活性和更低的成本去運(yùn)行和操作應(yīng)用，因此日益受到歡迎。然而，在所有新的機(jī)遇面前，要實(shí)現(xiàn)潛在優(yōu)勢(shì)也都會(huì)有巨大的挑戰(zhàn)。

發(fā)表于：4/30/2022

嵌入式軟件測(cè)試平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

嵌入式軟件因?yàn)檫\(yùn)行環(huán)境的差異性造成測(cè)試工具各不相同，各個(gè)測(cè)試工具獨(dú)立使用，缺乏完整的工具方案。針對(duì)該問題，研制了嵌入式軟件測(cè)試平臺(tái)，可提供嵌入式軟件測(cè)試的完整工具支持，包括全周期測(cè)試工具鏈、測(cè)試工作流建模、測(cè)試工作流自動(dòng)執(zhí)行、將各測(cè)試工具輸出的測(cè)試結(jié)果合并為完整的質(zhì)量報(bào)告、存儲(chǔ)測(cè)試工件的工程倉庫。該平臺(tái)把各種測(cè)試工具集成為一個(gè)完整的測(cè)試平臺(tái)，提高了嵌入式軟件測(cè)試的完整性和效率。用戶還可以根據(jù)需要擴(kuò)展測(cè)試工具、工作和質(zhì)量報(bào)告，實(shí)現(xiàn)嵌入式軟件測(cè)試的復(fù)用機(jī)制。

發(fā)表于：4/29/2022

區(qū)塊鏈在藥品追溯中的應(yīng)用研究[其他][其他]

針對(duì)當(dāng)前藥品系統(tǒng)中數(shù)據(jù)存儲(chǔ)中心化且易篡改，提出基于Fabric和IPFS的藥品追溯方案。利用星際文件系統(tǒng)(IPFS)開展鏈上鏈下相結(jié)合，實(shí)現(xiàn)存儲(chǔ)空間擴(kuò)展，融合物聯(lián)網(wǎng)技術(shù)開展數(shù)據(jù)采集，通過智能合約對(duì)生產(chǎn)加工、運(yùn)輸、使用進(jìn)行全程監(jiān)控。基于區(qū)塊鏈的藥品追溯方案保障了藥品系統(tǒng)數(shù)據(jù)的不可篡改性和可溯源性，實(shí)現(xiàn)藥品安全問題過程可追溯，快速找出問題環(huán)節(jié)，明確責(zé)任主體，并對(duì)問題藥品進(jìn)行處理。同時(shí)，增加了權(quán)限控制機(jī)制，滿足國家對(duì)藥品系統(tǒng)數(shù)據(jù)的管理需求。

發(fā)表于：4/29/2022

基于動(dòng)態(tài)時(shí)間跨度與聚類差異指數(shù)的用戶行為異常檢測(cè)算法[人工智能][其他]

在保證實(shí)時(shí)性與模型的適應(yīng)性的條件下對(duì)居家人士的行為進(jìn)行分析，提出了一種基于動(dòng)態(tài)時(shí)間跨度與聚類差異性指數(shù)的用戶行為異常實(shí)時(shí)檢測(cè)算法。該算法利用動(dòng)態(tài)時(shí)間跨度與聚類差異性指數(shù)對(duì)實(shí)時(shí)數(shù)據(jù)流進(jìn)行概念漂移檢測(cè)，在數(shù)據(jù)流發(fā)生概念漂移的情況下，利用局部離群因子（LOF）來檢測(cè)用戶發(fā)生行為異常的時(shí)間點(diǎn)。通過動(dòng)態(tài)時(shí)間跨度對(duì)分類模型不斷更新，有效提升了模型的適用性。通過實(shí)驗(yàn)驗(yàn)證了該算法能夠在保證實(shí)時(shí)性的情況下正確檢測(cè)出概念漂移，并給出用戶行為發(fā)生異常的時(shí)間點(diǎn)。該研究成果為實(shí)現(xiàn)智能家居環(huán)境下用戶行為異常檢測(cè)提供了新思路，可為居家人士提供有效服務(wù)和安全保證。

發(fā)表于：4/29/2022

基于深度強(qiáng)化學(xué)習(xí)的電動(dòng)汽車協(xié)調(diào)充電算法[人工智能][汽車電子]

針對(duì)具有多個(gè)目標(biāo)的多輛電動(dòng)汽車協(xié)調(diào)充電問題，包括降低用戶的充電成本并保證足夠的電池電量，同時(shí)避免變壓器過載，提出一種基于多智能體深度強(qiáng)化學(xué)習(xí)的分布式算法。該算法首先將上述問題建模為馬爾可夫決策過程，然后采用一種通信神經(jīng)網(wǎng)絡(luò)模型進(jìn)行信息交互，實(shí)現(xiàn)了全局信息在多個(gè)智能體上的分布式計(jì)算。最后，通過仿真驗(yàn)證了該算法在住宅充電區(qū)域的有效性和可擴(kuò)展性。

發(fā)表于：4/29/2022

智慧校園背景下的網(wǎng)絡(luò)安全問題與對(duì)策[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

發(fā)表于：4/29/2022

10 A電子保險(xiǎn)絲可為48 V電源提供緊湊型過流保護(hù)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

傳統(tǒng)上，過流保護(hù)使用的是保險(xiǎn)絲。但是，保險(xiǎn)絲體積龐大，響應(yīng)速度慢，跳閘電流公差大，需要在一次或幾次跳閘后更換。本文介紹一種外形緊湊、纖薄、響應(yīng)速度快的10 A電子保險(xiǎn)絲，它沒有上述這些無源保險(xiǎn)絲缺點(diǎn)。電子保險(xiǎn)絲可在高達(dá)48 V的DC電源軌上提供過流保護(hù)。

發(fā)表于：4/29/2022

一種基于Simhash算法的重復(fù)域名數(shù)據(jù)去重方法[其他][數(shù)據(jù)中心]

隨著數(shù)字科學(xué)技術(shù)的發(fā)展，各領(lǐng)域需要傳輸和存儲(chǔ)的數(shù)據(jù)量急劇上升。然而傳輸和存儲(chǔ)的數(shù)據(jù)中重復(fù)數(shù)量占據(jù)了很大的比例，這不僅會(huì)增加使用數(shù)據(jù)的成本，也會(huì)影響處理數(shù)據(jù)的效率。域名是一種存儲(chǔ)量大而且對(duì)處理速率有極高要求的數(shù)據(jù)，為了節(jié)約域名解析系統(tǒng)的存儲(chǔ)成本，提高傳輸效率，本文在原有數(shù)據(jù)去重技術(shù)的基礎(chǔ)上，引入了Simhash算法，結(jié)合域名數(shù)據(jù)的結(jié)構(gòu)特征，改進(jìn)數(shù)據(jù)分詞和指紋值計(jì)算方式，提出了一種基于Simhash算法的重復(fù)域名數(shù)據(jù)去重方法。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)的數(shù)據(jù)去重技術(shù)，該方法對(duì)刪除重復(fù)域名數(shù)據(jù)效率更高，具有較好的實(shí)際應(yīng)用價(jià)值。

發(fā)表于：4/29/2022

基于OpenStack云平臺(tái)的Docker容器安全監(jiān)測(cè)方法研究[其他][其他]

隨著虛擬化技術(shù)和容器技術(shù)的興起，容器安全問題引起了社會(huì)和企業(yè)的廣泛重視。針對(duì)傳統(tǒng)的監(jiān)控方式對(duì)Docker容器信息監(jiān)控不全面、易產(chǎn)生監(jiān)控黑洞等問題，提出一種針對(duì)OpenStack云平臺(tái)下的Docker容器安全監(jiān)測(cè)方法，該方法針對(duì)性強(qiáng)，資源占用率小，除了實(shí)現(xiàn)傳統(tǒng)監(jiān)測(cè)功能外，通過采用Logistic-ARMA預(yù)警模型和BERT序列標(biāo)注，還可以實(shí)現(xiàn)對(duì)DoS攻擊、容器逃逸等惡意攻擊的有效監(jiān)測(cè)，且根據(jù)容器規(guī)模不同可實(shí)現(xiàn)自定義的預(yù)警功能。經(jīng)過實(shí)驗(yàn)驗(yàn)證，該方法在大規(guī)模容器網(wǎng)絡(luò)中威脅預(yù)測(cè)準(zhǔn)確率可達(dá)85%以上。

發(fā)表于：4/29/2022

基于LSTM的DNS隱蔽信道檢測(cè)方法[其他][其他]

DNS濫用已成為網(wǎng)絡(luò)空間安全治理中面臨的最具挑戰(zhàn)性的威脅之一。針對(duì)現(xiàn)有檢測(cè)方法多以DNS請(qǐng)求流量為研究對(duì)象，忽略了響應(yīng)流量特征的問題，提出一種基于長短期記憶網(wǎng)絡(luò)(Long-Short Term Memory，LSTM)的DNS隱蔽信道檢測(cè)方法。綜合分析請(qǐng)求與響應(yīng)流量特征，提取響應(yīng)流量中時(shí)間戳、TTL、響應(yīng)分組長度等特征點(diǎn)，并構(gòu)建LSTM模型進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，該方法在準(zhǔn)確率、F1評(píng)分等指標(biāo)方面取得了良好的結(jié)果，較現(xiàn)有方法有顯著提高。

發(fā)表于：4/29/2022

電力大數(shù)據(jù)密態(tài)多源協(xié)同安全應(yīng)用研究[通信與網(wǎng)絡(luò)][信息安全]

重點(diǎn)介紹了電力大數(shù)據(jù)在應(yīng)用過程中存在的主要問題，并結(jié)合身份認(rèn)證、外包計(jì)算、全同態(tài)加密等新興技術(shù)，給出了電力大數(shù)據(jù)密態(tài)多源協(xié)同安全框架，該框架可以讓電力大數(shù)據(jù)安全地流通并實(shí)現(xiàn)外包計(jì)算，從而構(gòu)建一個(gè)安全的計(jì)算環(huán)境。隨后提出的多方協(xié)作安全可信環(huán)境體系可完成身份認(rèn)證，提高安全性的同時(shí)簡化身份認(rèn)證流程，提出的電力大數(shù)據(jù)密態(tài)安全計(jì)算關(guān)鍵技術(shù)可以提高同態(tài)加密的運(yùn)算效率，并提升安全性，同時(shí)將該兩技術(shù)進(jìn)行結(jié)合提出了外包計(jì)算密碼技術(shù)框架及其工作流程。最后通過與常用的同態(tài)加密庫SEAL進(jìn)行對(duì)比，驗(yàn)證了所提出的以“同態(tài)構(gòu)型”加密算法為核心的密態(tài)多源協(xié)同安全應(yīng)用框架具有運(yùn)行效率高、擴(kuò)展性好的特點(diǎn)，適用于大數(shù)據(jù)的安全外包計(jì)算等場(chǎng)景中。

發(fā)表于：4/29/2022

工業(yè)數(shù)據(jù)安全治理探索[通信與網(wǎng)絡(luò)][信息安全]

隨著工業(yè)企業(yè)數(shù)字化進(jìn)程不斷加快，工業(yè)數(shù)據(jù)作為新的生產(chǎn)要素，其重要性在生產(chǎn)經(jīng)營過程中逐漸凸顯，但如何確保工業(yè)數(shù)據(jù)在機(jī)密性、完整性、可用性的基礎(chǔ)上釋放潛在價(jià)值，是工業(yè)企業(yè)面臨的一大難題。提出一套集管理、技術(shù)、運(yùn)營為一體的治理思路，融合DSMM成熟度模型理論，圍繞數(shù)據(jù)采集、傳輸、存儲(chǔ)、處理、分享、銷毀等全生命周期，分別從數(shù)據(jù)安全管理能力、數(shù)據(jù)安全技術(shù)能力以及數(shù)據(jù)安全運(yùn)營能力等方面進(jìn)行全面治理，并通過“知”“識(shí)”“控”“察”“行”5個(gè)步驟，將工業(yè)數(shù)據(jù)安全落地，釋放潛在價(jià)值，為今后工業(yè)數(shù)據(jù)安全治理提供理論參考依據(jù)。

發(fā)表于：4/29/2022

機(jī)車遠(yuǎn)程監(jiān)測(cè)與故障診斷應(yīng)用研究[其他][其他]

通過分析機(jī)車遠(yuǎn)程監(jiān)測(cè)和故障診斷的現(xiàn)狀，結(jié)合機(jī)車專業(yè)領(lǐng)域知識(shí)，以出口機(jī)車的遠(yuǎn)程運(yùn)維作為研究對(duì)象，分析機(jī)車遠(yuǎn)程運(yùn)維的需求，重點(diǎn)介紹車載終端裝置、多通道融合的數(shù)據(jù)傳輸，利用專業(yè)領(lǐng)域知識(shí)構(gòu)建機(jī)器學(xué)習(xí)與故障處理知識(shí)庫，構(gòu)建面向機(jī)車遠(yuǎn)程運(yùn)維的預(yù)測(cè)與健康管理(Prognostics and Health Management，PHM)平臺(tái)，進(jìn)行機(jī)車遠(yuǎn)程監(jiān)測(cè)及故障診斷應(yīng)用。

發(fā)表于：4/29/2022

汽車CAN總線入侵檢測(cè)算法性能模糊測(cè)試方法研究[其他][其他]

針對(duì)目前汽車CAN總線入侵檢測(cè)算法性能模糊測(cè)試方法因測(cè)試用例覆蓋率低、針對(duì)性差而導(dǎo)致的測(cè)試結(jié)果可信度不高的問題，提出一種改進(jìn)的汽車CAN總線入侵檢測(cè)算法性能模糊測(cè)試方法。針對(duì)是否已知CAN總線協(xié)議規(guī)范的情況分別基于字段權(quán)重和改進(jìn)Wasserstein生成對(duì)抗網(wǎng)絡(luò)(WGAN-GP)生成模糊測(cè)試用例，對(duì)KNN算法和AdaBoost算法進(jìn)行了測(cè)試，測(cè)試結(jié)果表明，AdaBoost算法的檢測(cè)性能優(yōu)于KNN算法。試驗(yàn)驗(yàn)證了所提出的測(cè)試方法用于測(cè)試入侵檢測(cè)算法的性能能夠得到可信度較高的試驗(yàn)結(jié)果，達(dá)到了為汽車CAN總線入侵檢測(cè)算法的選用提供參考依據(jù)的目的。

發(fā)表于：4/28/2022

工業(yè)數(shù)字化轉(zhuǎn)型中的數(shù)據(jù)治理研究[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

工業(yè)大數(shù)據(jù)是智能制造的核心,然而工業(yè)數(shù)據(jù)治理面臨數(shù)據(jù)資源不豐富、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一等問題。結(jié)合工業(yè)數(shù)據(jù)的隔離性、多模態(tài)、強(qiáng)關(guān)聯(lián)以及高通量等特點(diǎn)，搭建了一套面向工業(yè)生產(chǎn)的數(shù)據(jù)治理體系，充分利用人工智能、大數(shù)據(jù)等先進(jìn)技術(shù)，打通工業(yè)生產(chǎn)系統(tǒng)間的數(shù)據(jù)鏈條，實(shí)現(xiàn)數(shù)據(jù)融合共享，提升數(shù)據(jù)質(zhì)量，以滿足智能化生產(chǎn)過程管控需求，并為此提供高效的分析決策支持。通過數(shù)據(jù)治理應(yīng)用實(shí)踐案例，全方位體現(xiàn)數(shù)據(jù)治理對(duì)工業(yè)智能化和數(shù)字化的促進(jìn)作用，為工業(yè)數(shù)字化轉(zhuǎn)型提供技術(shù)支持。

發(fā)表于：4/28/2022