通用指揮顯示數(shù)據(jù)引擎架構(gòu)及應(yīng)用設(shè)計[其他][其他]

航天發(fā)射場指揮顯示不僅涉及各大系統(tǒng)的多種方式、多類協(xié)議的數(shù)據(jù)接入，還存在不同參試系統(tǒng)型號以及臨時新增參數(shù)帶來的參數(shù)內(nèi)容、協(xié)議字段調(diào)整的問題。如何在不更改現(xiàn)有平臺軟件代碼的情況下完成各類接口參數(shù)的接收、傳輸、處理與存儲是指顯數(shù)據(jù)引擎架構(gòu)設(shè)計的重點(diǎn)。針對上述情況，提出了一種面向試驗(yàn)任務(wù)指揮顯示的通用數(shù)據(jù)引擎架構(gòu)。該架構(gòu)基于“平臺+組件”的設(shè)計思想，通過數(shù)據(jù)接入、解析、存儲組件化，從而實(shí)現(xiàn)通過配置，靈活完成指顯系統(tǒng)與內(nèi)外部系統(tǒng)的信息交換，并支持集中式、分布式、混合式多種指顯數(shù)據(jù)接入分發(fā)應(yīng)用模式。

發(fā)表于：12/15/2021 9:37:56 PM

基于ARM和深度學(xué)習(xí)的智能行人預(yù)警系統(tǒng)[其他][其他]

針對行人交通安全問題，開發(fā)行人檢測系統(tǒng)以提醒行人和司機(jī)危險的發(fā)生。對目標(biāo)檢測神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析和對比實(shí)驗(yàn)，選取以darknet為網(wǎng)絡(luò)框架的YOLO-fastest模型進(jìn)行改進(jìn)優(yōu)化并采用分類并標(biāo)簽的實(shí)時交通數(shù)據(jù)進(jìn)行訓(xùn)練，最終將訓(xùn)練模型部署至開發(fā)板完成實(shí)時性檢測并能夠根據(jù)車輛速度反饋給行人危險信號。實(shí)驗(yàn)結(jié)果表明YOLO-fastest模型的平均檢測精度為96.1%，檢測速度為33 f/s，模型大小為1.2 MB，既滿足檢測精度又滿足檢測速度的要求，能夠完成對真實(shí)交通場景下的實(shí)時性檢測。

發(fā)表于：12/15/2021 9:31:00 PM

基于混合表征學(xué)習(xí)的專利分類方法研究[其他][其他]

專利分類是專利分析的基本任務(wù)，而基于深度學(xué)習(xí)的自動化專利分類方法可以有效地執(zhí)行專利分類任務(wù)?，F(xiàn)有研究大多利用自然語言處理方法，基于單個專利的文本內(nèi)容(如摘要和標(biāo)題)對專利文本進(jìn)行分類，而專利及標(biāo)簽之間的宏觀關(guān)系(如專利之間的引用和標(biāo)簽之間的共現(xiàn))在很大程度上被忽略。為了緩解專利分類中單一專利信息的問題，構(gòu)建了三個圖網(wǎng)絡(luò)表示專利及其標(biāo)簽之間的宏觀關(guān)系，然后提出一個基于混合表征學(xué)習(xí)的專利分類框架，將專利及標(biāo)簽的宏觀關(guān)系融入分類中，以提高專利的自動化分類的準(zhǔn)確性。在真實(shí)的專利數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，該分類方法在多個評價指標(biāo)上取得了最佳的性能。

發(fā)表于：12/15/2021 9:27:45 PM

基于YOLOV5的藥品表面缺陷實(shí)時檢測方法[其他][其他]

藥品在實(shí)際生產(chǎn)過程中總會伴隨著異物、缺粒、藥體破損等表面缺陷，這些缺陷輕則影響產(chǎn)品使用效果,重則會在使用過程中產(chǎn)生巨大事故造成生命財產(chǎn)損失。針對深度學(xué)習(xí)模型在實(shí)際工業(yè)產(chǎn)品表面缺陷檢測中缺陷樣本少以及細(xì)小缺陷檢測精度低的應(yīng)用問題，將目前主流的目標(biāo)檢測算法之一——YOLOV5應(yīng)用于藥品檢測場景，提出了一種精度高、所需標(biāo)注樣本少、檢測速度快的one-stage實(shí)時缺陷檢測系統(tǒng)——RDD_YOLOV5(Real-time Defects Detection_YOLOV5)。利用原始圖像初級特征進(jìn)行數(shù)據(jù)增強(qiáng)，結(jié)合注意力機(jī)制與多尺度特征融合，增加骨干網(wǎng)絡(luò)提取跨通道語義信息能力，充分融合高層語義信息與底層細(xì)粒度信息以提升模型在小缺陷檢測方面的識別效果，在有限的樣本條件下達(dá)到較高的準(zhǔn)確率。該方法檢測效果達(dá)到了96.6%mAP，32 FPS。

發(fā)表于：12/15/2021 9:24:14 PM

基于LUT的多目機(jī)場視頻實(shí)時拼接算法設(shè)計與實(shí)現(xiàn)[其他][其他]

針對機(jī)場中多路實(shí)時視頻信號的情況，開展了8路視頻實(shí)時全景拼接的算法研究工作，基本完成了8路視頻實(shí)時全景拼接算法的設(shè)計與實(shí)現(xiàn)。首先，借助現(xiàn)有全景圖片合成軟件，完成了圖像配準(zhǔn)，即找出每路視頻圖像到全景圖的像素坐標(biāo)映射關(guān)系；完成圖像配準(zhǔn)之后，根據(jù)像素坐標(biāo)映射關(guān)系建立查找表，利用查找表，同時使用OpenMP多核并行加速，完成視頻每一幀的實(shí)時拼接。相鄰兩路視頻之間的重疊區(qū)域使用線性融合的方法進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，該研究方法可完成8路960×540分辨率視頻的實(shí)時全景拼接，得到無明顯畸變?nèi)爱嬅妗?/a>

基于改進(jìn)麻雀算法的工控入侵檢測方法[其他][其他]

為了解決如何選取最為有效的工控入侵?jǐn)?shù)據(jù)特征集，從而提高入侵檢測性能的問題，提出了一種基于改進(jìn)麻雀搜索算法(Improved Sparrow Search Algorithm，ISSA)和孿生支持向量機(jī)(Twin Support Vector Machine，TWSVM)的新型工控入侵檢測方法(ISSA-TWSVM)。ISSA采用立方混沌映射初始化種群并引入動態(tài)慣性權(quán)重，融合對位差分進(jìn)化策略與柯西變異算子，對當(dāng)前最優(yōu)解進(jìn)行交叉變異，從而增強(qiáng)麻雀算法全局搜索和跳出局部最優(yōu)的能力，并在基準(zhǔn)測試函數(shù)上證明了ISSA的優(yōu)秀性能。之后基于ISSA對工控特征子集尋優(yōu)后，約簡數(shù)據(jù)特征，利用TWSVM對工控數(shù)據(jù)進(jìn)行二分類判別。在MSU公布的工控網(wǎng)絡(luò)標(biāo)準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，ISSA-TWSVM可以快速提取出最優(yōu)特征子集，極大地提高算法檢測性能。

發(fā)表于：12/15/2021 9:14:00 PM

基于加權(quán)判別隨機(jī)鄰域嵌入的故障特征提取算法[其他][數(shù)據(jù)中心]

針對大數(shù)據(jù)維數(shù)高、非線性強(qiáng)、噪聲敏感、故障特征信息冗余、部分歷史數(shù)據(jù)類別標(biāo)記信息可獲取等特點(diǎn)，對適用于非線性數(shù)據(jù)的t-SNE無監(jiān)督流形學(xué)習(xí)方法進(jìn)行改進(jìn)，提出一種基于加權(quán)判別隨機(jī)鄰域嵌入的故障特征提取算法。在原始高維空間和相應(yīng)的低維子空間定義包含類別信息的數(shù)據(jù)相似度，使用Manhattan距離作為度量方式以增大數(shù)據(jù)相對距離差，基于距離遠(yuǎn)近關(guān)系進(jìn)行相似度加權(quán)，由此充分利用類別標(biāo)記約束指導(dǎo)降維，使得類間更分散而類內(nèi)更緊湊。結(jié)合KNN方法的UCI仿真數(shù)據(jù)集分類實(shí)驗(yàn)與KDD99網(wǎng)絡(luò)故障診斷實(shí)驗(yàn)，表明該改進(jìn)故障特征提取算法能夠?qū)崿F(xiàn)更有效的故障診斷。

發(fā)表于：12/15/2021 9:08:00 PM

國家治理現(xiàn)代化視域下我國網(wǎng)絡(luò)信息安全問責(zé)機(jī)制研究[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)信息安全問責(zé)機(jī)制建設(shè)是國家治理體系和治理能力現(xiàn)代化進(jìn)程在網(wǎng)絡(luò)信息安全治理領(lǐng)域的重要一環(huán)。在網(wǎng)絡(luò)信息安全已上升為國家戰(zhàn)略的背景下，針對國內(nèi)外嚴(yán)峻復(fù)雜的網(wǎng)絡(luò)空間環(huán)境與形勢，提出構(gòu)建和發(fā)展現(xiàn)代化的網(wǎng)絡(luò)信息安全問責(zé)機(jī)制。通過結(jié)構(gòu)功能分析和歸納分析，以國家治理現(xiàn)代化為視角深入解析機(jī)制的運(yùn)行內(nèi)核及其現(xiàn)存困境，最后提出優(yōu)化我國網(wǎng)絡(luò)信息安全問責(zé)機(jī)制的思路和建議。

發(fā)表于：12/15/2021 9:03:00 PM

基于ATT&CK框架的域威脅檢測[通信與網(wǎng)絡(luò)][信息安全]

保障企業(yè)域環(huán)境中的敏感信息與數(shù)據(jù)的安全一直是安全研究人員所面臨的挑戰(zhàn)之一。針對這一難題，提出將ATT&CK框架所提供的攻擊行為知識庫與域安全防御結(jié)合，對ATT&CK中涉及的域安全相關(guān)戰(zhàn)術(shù)和技術(shù)進(jìn)行全覆蓋，在模擬環(huán)境中分析實(shí)時產(chǎn)生的日志數(shù)據(jù)，監(jiān)控并捕獲敏感日志事件和連續(xù)異常的日志事件。最后，組織安全領(lǐng)域技術(shù)人員進(jìn)行紅藍(lán)實(shí)戰(zhàn)對抗。對抗結(jié)果表明，基于ATT&CK框架能夠有效檢測域攻擊姿勢。

發(fā)表于：12/15/2021 9:00:00 PM

涉及隱私侵占類APP識別與分類方法研究[通信與網(wǎng)絡(luò)][信息安全]

隨著信息基礎(chǔ)建設(shè)的發(fā)展和移動應(yīng)用的普及，用戶個人信息在使用過程中被應(yīng)用開發(fā)者大量收集，出現(xiàn)了對個人信息的非法泄露和使用問題，嚴(yán)重威脅到了個人信息安全。為了更加高效準(zhǔn)確地識別是否存在侵占隱私行為及對應(yīng)APP類別，提出了一種基于多模態(tài)特征的多策略組合的識別算法。首先，該算法采用Word2vec的方法來完成APP相關(guān)文本的詞匯層面的特征向量表示，隨后有針對性地將獲得的特征向量輸入CNN網(wǎng)絡(luò)進(jìn)行分類，接著根據(jù)文本分類的結(jié)果和多種行為特征集合生成應(yīng)用程序特征向量，最后結(jié)合多種不同的基分類器，采用硬投票的方式預(yù)測侵占隱私行為。實(shí)驗(yàn)結(jié)果表明，經(jīng)過訓(xùn)練的模型在驗(yàn)證集上的分類結(jié)果F1值最高可達(dá)91%，該方法可以有效地對侵占隱私類APP進(jìn)行識別及分類，有助于在大數(shù)據(jù)時代，保障個人信息安全建設(shè)。

發(fā)表于：12/15/2021 8:56:00 PM