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。在真實的專利數(shù)據(jù)集的實驗結(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的藥品表面缺陷實時檢測方法[其他][其他]

藥品在實際生產(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行數(shù)據(jù)增強，結(jié)合注意力機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的多目機場視頻實時拼接算法設(shè)計與實現(xiàn)[其他][其他]

針對機場中多路實時視頻信號的情況，開展了8路視頻實時全景拼接的算法研究工作，基本完成了8路視頻實時全景拼接算法的設(shè)計與實現(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行融合。實驗結(jié)果表明，該研究方法可完成8路960×540分辨率視頻的實時全景拼接，得到無明顯畸變?nèi)爱嬅妗?/a>

基于改進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麻雀搜索算法(Improved Sparrow Search Algorithm，ISSA)和孿生支持向量機(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，融合對位差分進化策略與柯西變異算子，對當(dāng)前最優(yōu)解進行交叉變異，從而增強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)集上的實驗結(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、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，對適用于非線性數(shù)據(jù)的t-SNE無監(jiān)督流形學(xué)習(xí)方法進行改進，提出一種基于加權(quán)判別隨機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)集分類實驗與KDD99網(wǎng)絡(luò)故障診斷實驗，表明該改進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)機制建設(shè)是國家治理體系和治理能力現(xiàn)代化進程在網(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制的運行內(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)進行全覆蓋，在模擬環(huán)境中分析實時產(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)人員進行紅藍(lán)實戰(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。實驗結(jié)果表明，經(jīng)過訓(xùn)練的模型在驗證集上的分類結(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

基于圖神經(jīng)網(wǎng)絡(luò)進程行為嵌入表示的入侵檢測[模擬設(shè)計][工業(yè)自動化]

入侵檢測是保障網(wǎng)絡(luò)空間安全的一項重要技術(shù)。隨著入侵者技術(shù)手段的升級，新一代的入侵檢測系統(tǒng)中需要融入人工智能技術(shù)以提升檢測效果。提出一種基于圖神經(jīng)網(wǎng)絡(luò)進程行為嵌入表示的入侵檢測方法，該方法將計算機事件日志轉(zhuǎn)化為系統(tǒng)日志對象連接圖結(jié)構(gòu)，并在該圖上使用圖神經(jīng)網(wǎng)絡(luò)框架進行頂點嵌入，從而得到計算機內(nèi)進程行為的向量表達(dá)；在此基礎(chǔ)上，建立多階轉(zhuǎn)移模型，為計算機描述整體的進程行為基線，并以偏離該基線的程度作為入侵行為檢測的依據(jù)。經(jīng)過多個攻擊場景的驗證，本文方法能夠有效地檢測出多種入侵行為。

發(fā)表于：12/15/2021 8:51:00 PM

基于AD9361的雷達(dá)射頻和差模擬器[微波|射頻][航空航天]

脈沖雷達(dá)是我國骨干測控設(shè)備，由于波束窄，在測控任務(wù)中捕獲、跟蹤一直是其難點。多年來測控技術(shù)人員一直對模擬實戰(zhàn)訓(xùn)練進行不間斷的研究、探索，傳統(tǒng)的射頻模擬器均采用上變頻模式實現(xiàn)，設(shè)備龐大，價格昂貴。通過介紹測控設(shè)備的基本組成與和差信號在脈沖雷達(dá)中的形成過程，基于實戰(zhàn)雷達(dá)系統(tǒng)，采用軟件模塊實現(xiàn)了上位機系統(tǒng)控制硬件和與雷達(dá)設(shè)備的信息傳輸，采用AD9361射頻芯片實現(xiàn)了C波段雷達(dá)模擬信號的產(chǎn)生，通過在雷達(dá)設(shè)備上的測試驗證，采用軟件無線電技術(shù)實現(xiàn)C頻段射頻信號的產(chǎn)生，解決了設(shè)備人員實戰(zhàn)化訓(xùn)練手段不足的問題，進一步提升設(shè)備人員捕獲跟蹤及應(yīng)急處置能力，是全面檢驗設(shè)備技、戰(zhàn)術(shù)性能的重要手段。

發(fā)表于：12/1/2021 4:38:00 PM