123,123,123

基于改進U-Net的多尺度層級融合去霧網(wǎng)絡(luò)[其他][其他]

計算機視覺任務(wù)中，霧霾的存在會導致圖像出現(xiàn)質(zhì)量下降問題，現(xiàn)有的去霧方法因全局與局部特征協(xié)同建模不足及多尺度霧濃度自適應處理欠缺，常出現(xiàn)去霧殘留和色彩失真?；诟倪MUNet的多尺度層級融合去霧網(wǎng)絡(luò)以多尺度輸入捕獲層級特征，結(jié)合分層次特征融合優(yōu)化信息傳遞。相鄰層嵌入特征增強塊自適應聚焦關(guān)鍵區(qū)域，跨層交叉融合實現(xiàn)多尺度互補，促使網(wǎng)絡(luò)內(nèi)部信息充分流動。實驗表明，該方法在合成與真實數(shù)據(jù)集上均優(yōu)于對比方法，尤其在細節(jié)恢復、色彩保真和真實場景泛化性方面表現(xiàn)突出。

發(fā)表于：11/25/2025

AI大語言模型的數(shù)據(jù)安全風險與治理措施[人工智能][信息安全]

隨著AI大語言模型的迅猛發(fā)展，其在為各領(lǐng)域帶來創(chuàng)新機遇的同時，也引發(fā)了諸多數(shù)據(jù)安全風險。深入剖析AI大語言模型所面臨的數(shù)據(jù)安全風險，包括數(shù)據(jù)泄露、數(shù)據(jù)濫用、數(shù)據(jù)偏見等方面，并針對性地提出一系列治理措施，旨在為構(gòu)建安全可靠的AI大語言模型應用環(huán)境提供全面的理論依據(jù)與實踐指導，促進該技術(shù)在合法合規(guī)且安全的軌道上持續(xù)發(fā)展。

發(fā)表于：11/25/2025

一種針對垂類模型的綜合成效評測框架[人工智能][信息安全]

針對垂類模型在評測實踐中存在的評價維度單一、缺乏領(lǐng)域適配性以及方法碎片化等問題，提出了一套綜合成效評測框架。該研究旨在通過標準化方案解決技術(shù)研發(fā)與產(chǎn)業(yè)應用之間的“評價斷層”，為垂類模型的開發(fā)、部署和監(jiān)管提供科學依據(jù)。研究方法包括構(gòu)建以安全合規(guī)、技術(shù)性能和應用價值為核心的多維指標體系，并配套設(shè)計評測數(shù)據(jù)集構(gòu)建策略與混合評測方法，后者融合了自動化測試、人工評估和大模型作為裁判的評估手段。研究結(jié)果形成了一套結(jié)構(gòu)化的評測體系，涵蓋評價對象分類、指標定義和方法實施，能夠?qū)崿F(xiàn)對不同類型垂類模型的全面、可比較評估。結(jié)論表明，該框架有助于提升評測的客觀性和可操作性，推動垂類模型在關(guān)鍵領(lǐng)域的可信賴應用，未來需通過實踐驗證和動態(tài)優(yōu)化以適應技術(shù)發(fā)展。

發(fā)表于：11/25/2025

英文語言大模型特定文化改造方法研究[人工智能][信息安全]

大語言模型的迅猛發(fā)展已成為人工智能領(lǐng)域的顯著趨勢。然而，目前領(lǐng)先的大語言模型多基于英文，直接將其應用于特定文化領(lǐng)域下的任務(wù)時存在局限，如特定領(lǐng)域知識不足和文化價值觀差異導致的誤解。為應對這一挑戰(zhàn)，提出了一種針對特定文化背景下大模型的快速改造方法，該方法基于特定文化知識能力和安全價值觀數(shù)據(jù)進行指令微調(diào)。以中文為特定文化背景，選用LLaMA38B英文大模型作為實驗對象，評估結(jié)果顯示，改造后的大模型在保持原有領(lǐng)域知識優(yōu)勢的同時，顯著增強了在特定領(lǐng)域下的知識能力和安全價值觀適應能力。

發(fā)表于：11/25/2025

基于同態(tài)加密的AI模型參數(shù)安全計算與防泄露方法[人工智能][信息安全]

隨著人工智能在醫(yī)療、金融等敏感領(lǐng)域的廣泛應用，模型參數(shù)與訓練數(shù)據(jù)的隱私保護成為關(guān)鍵問題。提出一種基于同態(tài)加密（HE）的AI模型參數(shù)安全計算與防泄露方法，采用CKKS方案在密文空間中實現(xiàn)參數(shù)加密、前向推理與梯度更新，避免了訓練過程中明文暴露的風險。結(jié)果表明，HESGD在MNIST上最高準確率達99.1%；在計算開銷上，實現(xiàn)了效率與安全性的平衡，信息泄露風險指數(shù)接近0.0。研究表明，該方法在保持模型精度的同時，實現(xiàn)了高效安全計算與近乎零泄露風險，具有較強的應用價值。

發(fā)表于：11/25/2025

領(lǐng)域大語言模型的內(nèi)容安全控制研究[人工智能][信息安全]

隨著大語言模型在非通用領(lǐng)域中的廣泛應用，其在知識管理、決策支持和安全信息交流等方面展現(xiàn)出巨大潛力。然而，這些領(lǐng)域具有高度的專業(yè)性和敏感性，在特定場景下確保輸出內(nèi)容的安全性與合規(guī)性是主要挑戰(zhàn)。現(xiàn)有方法主要依賴模型的重新訓練或微調(diào)，成本高且靈活性不足。提出了一種無需重新訓練模型的精細化輸出控制方法，將輸出控制抽象為分類問題，利用分類算法對生成內(nèi)容進行判斷，決定是否輸出。該機制結(jié)合數(shù)學建模與特征工程，力求在滿足業(yè)務(wù)需求的同時，最大限度地減少潛在風險，提升輸出的安全性與合規(guī)性。

發(fā)表于：11/25/2025

基于多域特征的雷達有源干擾信號智能識別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

現(xiàn)代雷達系統(tǒng)面臨的干擾信號呈現(xiàn)出多樣化、動態(tài)化的特點，傳統(tǒng)干擾信號識別方法在復雜場景下性能嚴重受限。據(jù)此，提出一種基于多域特征的雷達有源干擾信號智能識別方法。首先，設(shè)計出雷達有源干擾在時域、頻域、變換域的多維特征，作為信號差異性表征的基礎(chǔ)；然后，利用主成分分析方法在降維上的優(yōu)勢，提取出最具代表性和區(qū)分度的特征子集；最后，結(jié)合隨機森林模型，自動挖掘數(shù)據(jù)特征，實現(xiàn)有源干擾的分類識別。仿真結(jié)果表明，所提方法具有較高的識別準確率和較低的計算復雜度，適應于實際復雜場景下的雷達有源干擾識別。

發(fā)表于：11/14/2025

基于自注意力1dCNN的雷達目標識別方法及教研系統(tǒng)設(shè)計[人工智能][通信網(wǎng)絡(luò)]

雷達目標識別是實現(xiàn)對環(huán)境態(tài)勢感知的重要技術(shù)手段，隨著人工智能的快速發(fā)展，深度學習已成為雷達目標感知領(lǐng)域的主流研究方法。首先介紹了基于編碼-解碼網(wǎng)絡(luò)的信號增強方法，該方法結(jié)合雷達目標物理模型可實現(xiàn)對含噪信號的準確特征保持和信號恢復。進一步，提出了一種基于自注意力一維CNN（Self-attention 1dCNN， S-1dCNN）的雷達目標識別方法，該方法利用一維卷積神經(jīng)網(wǎng)絡(luò)對雷達目標回波信號進行特征學習，有效挖掘距離維的目標支撐區(qū)結(jié)構(gòu)信息，所提方法結(jié)合自注意力機制，關(guān)注與目標結(jié)構(gòu)信息相關(guān)的特征，提升所學特征的表征能力，進而提升模型的目標識別性能。基于五類實測民航飛機目標回波數(shù)據(jù)的實驗結(jié)果表明，信號增強模型可以準確地去除噪聲且保持目標結(jié)構(gòu)特性，將信號增強后的信號輸入所提S-1dCNN模型中，具有較高的識別準確率。同時，基于MATLAB工具設(shè)計了基于雷達目標識別可視化界面的教研系統(tǒng)，包括數(shù)據(jù)預處理和識別算法等模塊，實現(xiàn)多功能操作交互。該軟件將抽象算法轉(zhuǎn)為可視化流程，可以提升雷達目標識別課程教學的效果。

發(fā)表于：11/14/2025

航向信標輻射場中障礙物影響分析與布局優(yōu)化[模擬設(shè)計][航空航天]

隨著機場擴建工程的持續(xù)推進，機場周邊障礙物對儀表著陸系統(tǒng)（ILS）電磁環(huán)境的干擾問題日益凸顯。其中，障礙物引起的反射和繞射信號對航向信標（LOC）輻射場的干擾尤為顯著，嚴重影響了航向信標系統(tǒng)的導航穩(wěn)定性和精度。針對這一問題，基于射線追蹤算法，系統(tǒng)分析了障礙物引起的反射信號和繞射信號對LOC輻射場的影響機理。通過建立雙頻12單元LOC陣列模型，并結(jié)合機場跑道周邊存在障礙物的典型場景，構(gòu)建了信號傳播模型，重點研究了反射信號與繞射信號對調(diào)制度差（DDM）的干擾特性。研究結(jié)果表明，在特定位置必須建設(shè)專用障礙物的工程場景下，通過優(yōu)化障礙物反射面與跑道之間的空間幾何關(guān)系，可有效抑制對LOC輻射場產(chǎn)生顯著干擾的信號分量。該研究成果為解決實際工程中特定區(qū)域LOC輻射場的多徑干擾問題提供了新的技術(shù)途徑。

發(fā)表于：11/14/2025

一種Ku頻段高性能低成本低噪聲放大器[微波|射頻][通信網(wǎng)絡(luò)]

設(shè)計了一種低成本Ku頻段兩級低噪聲放大器，基于GaAs未匹配塑封管芯，采用表貼組裝工藝，在單層雙面高頻印制板上實現(xiàn)了高性能低噪聲放大功能。放大器在設(shè)計中采用了全局優(yōu)化方法，包括波導探針過渡結(jié)構(gòu)、最佳噪聲和共軛匹配網(wǎng)絡(luò)、偏置電路以及穩(wěn)定性改善單元等多個設(shè)計維度相互之間的迭代優(yōu)化。通過加工測試，該放大器工作頻率覆蓋10.7 GHz~12.7 GHz，帶內(nèi)噪聲系數(shù)優(yōu)于0.82 dB（含波導過渡），帶內(nèi)小信號增益大于17 dB，帶內(nèi)增益平坦度優(yōu)于+/-0.45 dB，輸入輸出端口駐波比優(yōu)于1.7。全套電路尺寸為24 mm×17 mm，生產(chǎn)成本低于60元，適用于Ku頻段衛(wèi)星通信地面設(shè)備的射頻前端中。

發(fā)表于：11/14/2025

12~30 GHz高精度低附加相移數(shù)控衰減器設(shè)計[微波|射頻][通信網(wǎng)絡(luò)]

為了滿足寬帶微波無線通信系統(tǒng)高精度的設(shè)計要求，采用砷化鎵（GaAs）0.15 μm PHEMT工藝設(shè)計了一款12~30 GHz高精度低附加相移的五位數(shù)控衰減器。該衰減器通過級聯(lián)五個不同衰減位，可實現(xiàn)最小步進為0.5 dB的0~15.5 dB衰減范圍，其中0.5 dB衰減位采用簡化T型衰減結(jié)構(gòu)，1 dB、2 dB、4 dB和8 dB衰減位采用Lange耦合器式反射型結(jié)構(gòu)。在反射型衰減拓撲結(jié)構(gòu)中提出并采用了層疊開關(guān)晶體管技術(shù)和電容補償技術(shù)，有效降低了超寬頻帶內(nèi)的附加相移，提高了衰減精度。電磁仿真顯示，在12~30 GHz頻帶范圍內(nèi)，參考態(tài)插入損耗≤3.8 dB，衰減器的32態(tài)衰減均方根誤差（Root Mean Square， RMS）小于0.5 dB，典型值僅為0.3 dB，衰減器的32態(tài)附加相移不超過±3°，32態(tài)端口輸入回波損耗與輸出回波損耗均大于12 dB。電路尺寸僅為2.95 mm×1.2 mm。

發(fā)表于：11/14/2025

基于ESP32嵌入式Web服務(wù)器的手機化儀表設(shè)計[嵌入式技術(shù)][物聯(lián)網(wǎng)]

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，單片機性能升級且功能變得豐富，利用單片機創(chuàng)建Web服務(wù)器，使用瀏覽器作為客戶端進行訪問變得可行。借鑒其思路，提出一種嵌入式Web服務(wù)器＋瀏覽器架構(gòu)的無軟件化手機儀表設(shè)計方法。先用JavaScript語言將常用的手機儀表元素設(shè)計為一個能嵌入到單片機存儲系統(tǒng)中的50 KB大小的庫，然后在其基礎(chǔ)上形成C風格手機儀表HTML網(wǎng)頁生成函數(shù)，最后再通過單片機Web服務(wù)器將封裝后的C風格手機儀表HTML網(wǎng)頁生成函數(shù)轉(zhuǎn)換為手機瀏覽器支持的HTML網(wǎng)頁進行顯示和用戶操作。該設(shè)計實現(xiàn)將儀表軟件安裝在下位機，客戶端零安裝、零配置訪問儀表界面。

發(fā)表于：11/14/2025

基于聚類的HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)[通信與網(wǎng)絡(luò)][其他]

網(wǎng)絡(luò)探測掃描是發(fā)現(xiàn)網(wǎng)絡(luò)資產(chǎn)的重要方法，在探測結(jié)果中HTTP/HTTPS協(xié)議占比較高，是重要的互聯(lián)網(wǎng)資產(chǎn)識別來源。隨著網(wǎng)絡(luò)環(huán)境的日益復雜，應用HTTP/HTTPS協(xié)議的資產(chǎn)種類和數(shù)量也在急劇增加，這使得傳統(tǒng)基于指紋規(guī)則的網(wǎng)絡(luò)資產(chǎn)識別方法面臨著識別效率低、適應性差等問題，無法滿足HTTP/HTTPS協(xié)議識別的需要。因此，提出了一種新型HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)方法，通過自動化規(guī)則生成器對HTTP/HTTPS協(xié)議響應數(shù)據(jù)進行處理，并基于詞頻統(tǒng)計和相似度信息對原始數(shù)據(jù)進行預過濾，利用文本編碼模型實現(xiàn)對HTTP/HTTPS協(xié)議響應體信息的文本編碼和特征融合，結(jié)合無監(jiān)督聚類算法實現(xiàn)對HTTP/HTTPS協(xié)議資產(chǎn)的發(fā)現(xiàn)。實驗結(jié)果表明，所提出的方法能夠顯著提高HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)效率，提升資產(chǎn)標注速度，并可在無先驗知識下發(fā)現(xiàn)未知資產(chǎn)。

發(fā)表于：11/14/2025

基于邊緣算力和改進YOLOv10算法的智能垃圾分類系統(tǒng)[人工智能][其他]

為充分發(fā)揮邊緣算力，實現(xiàn)實時、高效的垃圾識別與檢測，提出了一種輕量化垃圾檢測模型。模型使用ShuffleNetv2作為特征提取網(wǎng)絡(luò)，通過通道重排和深度可分離卷積減少計算復雜度，同時保留重要信息。并采用Ghost網(wǎng)絡(luò)改進C3模塊，以降低計算負擔提高融合效率。為進一步減小模型參數(shù)量，通過減少模型深度優(yōu)化計算效率。設(shè)計了基于累積投票的垃圾分類機制，當垃圾類型識別次數(shù)達到設(shè)定閾值時進行分類，并通過串口傳輸結(jié)果與控制系統(tǒng)聯(lián)動。實驗結(jié)果表明，改進后的模型減少內(nèi)存占用71.4%，精度損失僅為0.16%，推理速度加快，能耗顯著降低，確保分類結(jié)果高效傳輸。

發(fā)表于：11/14/2025

面向空間應用的UBP-LKH樹組播密鑰管理方案研究[通信與網(wǎng)絡(luò)][信息安全]

隨著空間信息技術(shù)的快速發(fā)展，組播通信需求逐步向衛(wèi)星網(wǎng)絡(luò)延伸，然而傳統(tǒng)基于地面設(shè)備的組播密鑰管理方案在星載環(huán)境中面臨性能瓶頸與安全隱患。針對衛(wèi)星節(jié)點計算資源受限的特性，提出基于邏輯密鑰（Logical Key Hierarchy，LKH）樹結(jié)構(gòu)調(diào)整的無索引的B+LKH（Unsearchable Balance Plus Logical Key Hierarchy，UBP-LKH）樹方案：通過設(shè)計雙閾值觸發(fā)機制，利用組播密鑰管理系統(tǒng)（Multicast Key Management System， MKMS）的計算資源空閑時段實施下限重構(gòu)（樹壓縮）與上限重構(gòu)（樹擴展），動態(tài)優(yōu)化密鑰樹層級結(jié)構(gòu)以降低加密次數(shù)。實驗表明，在中小型組播規(guī)模（5~127個節(jié)點）下，該方案較經(jīng)典LKH樹有最多20%的加密效率提升，且優(yōu)化幅度隨樹高與成員個數(shù)呈負相關(guān)。該研究為星載環(huán)境提供了可擴展的組播密鑰管理模式，兼具資源適配性與實際應用價值。

發(fā)表于：11/14/2025