蜜芽最新地域网名2023,亚洲欧美婷婷五月有声,国产成人综合亚洲欧美在线

基于高性能FPGA的超高速IPSec安全設(shè)備設(shè)計與實現(xiàn)[可編程邏輯][工業(yè)自動化]

基于高性能FPGA提出了一種超高速IPSec安全設(shè)備的設(shè)計方案；此方案在以CPU作為控制中樞的基礎(chǔ)上，利用高性能FPGA配合高速接口實現(xiàn)100G的IPSec安全傳輸，同時利用高性能FPGA和噪聲源芯片實現(xiàn)國密算法對高速數(shù)據(jù)進行加解密。搭建測試環(huán)境對樣機進行測試，測試結(jié)果表明，超高速IPSec安全設(shè)備可完成高達82 Gb/s吞吐率的IPSec安全傳輸，整個系統(tǒng)延時達90 μs級。

發(fā)表于：11/26/2024 1:29:21 PM

基于多粒度級聯(lián)森林優(yōu)化算法的網(wǎng)絡(luò)入侵檢測模型研究[通信與網(wǎng)絡(luò)][信息安全]

針對大規(guī)模網(wǎng)絡(luò)入侵方式層出不窮，為應(yīng)對多形態(tài)下的網(wǎng)絡(luò)安全威脅，提出一種基于多粒度級聯(lián)森林優(yōu)化算法的網(wǎng)絡(luò)入侵檢測模型。首先對原始數(shù)據(jù)進行預(yù)處理，然后融合Fisher Score算法對不同特征信息進行權(quán)重選擇排序，最后將其排序后的特征信息送入級聯(lián)森林的卷積層和森林層，對特征信息進行深度表達和分類，從而得到精準的分類結(jié)果。經(jīng)KDD 99數(shù)據(jù)集進行驗證，在不同測試集占比為90%、70%和30%三組實驗情況下，分別實現(xiàn)了98.20%、99.00%、99.27%的分類精度。實驗結(jié)果證明，所提算法能夠準確識別多種網(wǎng)絡(luò)攻擊，為現(xiàn)有網(wǎng)絡(luò)入侵檢測提供有效區(qū)分依據(jù)。

發(fā)表于：11/26/2024 1:17:00 PM

數(shù)據(jù)要素驅(qū)動下的工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新發(fā)展與應(yīng)用研究[通信與網(wǎng)絡(luò)][工業(yè)自動化]

工業(yè)互聯(lián)網(wǎng)是數(shù)字化、網(wǎng)絡(luò)化、智能化時代各項先進技術(shù)在工業(yè)領(lǐng)域的深度融合。數(shù)據(jù)作為新型生產(chǎn)要素，正日益成為工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新發(fā)展的核心驅(qū)動力，在促進生產(chǎn)效率提升、優(yōu)化生產(chǎn)過程、助力生產(chǎn)模式轉(zhuǎn)型升級等方面發(fā)揮重要作用。從數(shù)據(jù)要素與工業(yè)互聯(lián)網(wǎng)平臺的基本概念出發(fā)，系統(tǒng)論述了數(shù)據(jù)要素驅(qū)動工業(yè)互聯(lián)網(wǎng)平臺的作用機理，結(jié)合工業(yè)互聯(lián)網(wǎng)平臺典型應(yīng)用場景，深入分析了我國數(shù)據(jù)要素驅(qū)動工業(yè)互聯(lián)網(wǎng)平臺發(fā)展面臨的現(xiàn)實問題與挑戰(zhàn)，并給出相應(yīng)對策及建議，旨在為數(shù)據(jù)要素驅(qū)動工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新應(yīng)用和推廣提供深刻洞察和有益啟示。

發(fā)表于：11/26/2024 1:07:37 PM

基于頻差的衛(wèi)星通信互調(diào)干擾源定位方法研究[通信與網(wǎng)絡(luò)][航空航天]

針對衛(wèi)星通信系統(tǒng)頻帶內(nèi)互調(diào)干擾的定位問題進行研究，分析互調(diào)干擾產(chǎn)生機理，并給出系統(tǒng)內(nèi)互調(diào)干擾定位方法。定量分析互調(diào)干擾頻譜特性，并結(jié)合頻譜管控站分配各站頻率，建立系統(tǒng)內(nèi)各站頻率及頻差動態(tài)數(shù)據(jù)庫，設(shè)計基于頻差的衛(wèi)星通信互調(diào)干擾源定位方法，精確定位干擾站。仿真結(jié)果驗證了該方案在互調(diào)干擾定位過程的可行性，有效降低了干擾定位時間并提升了準確定位干擾站的概率，為衛(wèi)星通信系統(tǒng)面臨此類干擾時的快速定位提供解決方法，對衛(wèi)星通信網(wǎng)的穩(wěn)定運行具有較大實際意義。

發(fā)表于：11/14/2024 5:21:57 PM

一種寬輸入范圍高效率宇航二次電源的設(shè)計[電源技術(shù)][航空航天]

提出一種寬輸入電壓、高效率100 W宇航二次電源的設(shè)計方法。輸入電壓范圍達到20 V~50 V，可覆蓋星上28 V母線、42 V母線電壓范圍。峰值效率達到90%以上，具有體積小、功率密度高的特點。采用單端反激電路拓撲，通過加入斜坡補償技術(shù)，使得反激變換器的占空比工作在60%以上，拓寬了輸入電壓范圍。同時采用平面變壓器技術(shù)，降低變壓器漏感，提高效率并減小尺寸。

發(fā)表于：11/14/2024 5:06:32 PM

基于先進工藝技術(shù)的機電控制SiP電路的設(shè)計與測試[模擬設(shè)計][工業(yè)自動化]

機電控制系統(tǒng)包含多款芯片，其小型化、輕量化的需求日益迫切，系統(tǒng)級封裝（System in Package）技術(shù)作為一種先進封裝手段能夠?qū)⒍嗫畈煌愋偷男酒捎诟〉目臻g中?；谙到y(tǒng)級封裝技術(shù)，并結(jié)合TSV與FanOUT技術(shù)設(shè)計了一款機電控制SiP電路，該電路包括頂層DSP信號控制單元和底層FPGA信號處理單元，兩者通過PoP（Package on Package）形式堆疊構(gòu)成SiP電路，相比于常規(guī)分立器件所搭建的機電控制系統(tǒng)，該SiP體積縮小70%以上，重量減輕80%以上。針對該款SiP電路設(shè)計了相應(yīng)的測試系統(tǒng)，且對內(nèi)部的ADC及DAC等芯片提出了一種回環(huán)測試的方法，能夠提高測試效率。測試結(jié)果表明，該電路滿足設(shè)計要求，在機電控制領(lǐng)域具有一定的應(yīng)用前景。

發(fā)表于：11/14/2024 4:52:16 PM

基于區(qū)塊鏈和神經(jīng)模糊系統(tǒng)的邊緣計算移動接入網(wǎng)絡(luò)安全增強框架[通信與網(wǎng)絡(luò)][信息安全]

為了提高車聯(lián)網(wǎng)的安全性，提出了基于神經(jīng)模糊系統(tǒng)和區(qū)塊鏈的移動邊緣計算網(wǎng)絡(luò)安全增強框架。該框架結(jié)合了批量認證、密鑰交換等技術(shù)，將區(qū)塊鏈與移動邊緣計算相結(jié)合，架構(gòu)上分為感知層、邊緣計算層、服務(wù)層三層，感知層通過區(qū)塊鏈確保數(shù)據(jù)安全，邊緣計算層提供資源，服務(wù)層采用區(qū)塊鏈技術(shù)保護數(shù)據(jù)。仿真表明，結(jié)合區(qū)塊鏈和移動邊緣計算能有效提高車聯(lián)網(wǎng)安全性。

發(fā)表于：11/14/2024 4:39:05 PM

智慧農(nóng)業(yè)下基于聯(lián)邦學習的水稻病蟲害分類研究[模擬設(shè)計][其他]

在農(nóng)業(yè)發(fā)展過程中，農(nóng)作物的健康問題一直是一個重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過程中的水稻病蟲害分類問題。在智能化農(nóng)業(yè)種植場景下，為了提高設(shè)備對病蟲害的分類準確性，同時保護各設(shè)備的數(shù)據(jù)隱私，提出使用聯(lián)邦學習來解決各設(shè)備間的數(shù)據(jù)孤島問題。實驗選取了七個預(yù)訓練模型來提取特征，使用四個指標（準確率、召回率、損失函數(shù)和F1分數(shù)）來評估不同模型上的性能。實驗結(jié)果表明，在獨立同分布（IID）和非獨立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準確率分別為99.05%和98.48%，表現(xiàn)出較高的魯棒性和準確率。通過幾種實驗和指標對比發(fā)現(xiàn)，聯(lián)邦學習的應(yīng)用提升了設(shè)備4.36％的準確率，圖像分類模型的收斂時間受到聯(lián)邦學習輪數(shù)round和每輪聯(lián)邦學習中訓練集的訓練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學習的設(shè)備數(shù)量增加而提高。

發(fā)表于：11/14/2024 4:23:00 PM

ßFA：一種基于向量指令集的高性能數(shù)據(jù)處理算法[模擬設(shè)計][其他]

正則表達式匹配技術(shù)在數(shù)據(jù)清洗、解析提取等數(shù)據(jù)處理任務(wù)方面發(fā)揮重大作用。然而，由于匹配過程中存在數(shù)據(jù)強依賴關(guān)系和內(nèi)存訪問不可預(yù)測等問題，造成匹配性能較低。針對此問題，提出一種基于向量指令集的高性能正則表達式數(shù)據(jù)處理算法，稱之為ßFA：通過向量指令一次性從內(nèi)存讀出若干連續(xù)字符，并與最常被訪問狀態(tài)對應(yīng)的非信任字符集進行向量匹配，利用內(nèi)置函數(shù)定位首個非信任字符的位置，獲得可直接跳過的字符數(shù)，從而實現(xiàn)匹配性能的加速。實驗結(jié)果表明，ßFA算法的吞吐率優(yōu)于原始DFA算法和αFA算法，是原始DFA算法的4.67~60倍以及ɑFA算法的4.37~7.82倍。

發(fā)表于：11/14/2024 4:11:27 PM

基于自動編碼器和隨機樹的智能電網(wǎng)FDI檢測[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為應(yīng)對智能電網(wǎng)系統(tǒng)可能受到的新型網(wǎng)絡(luò)攻擊（如虛假數(shù)據(jù)注入攻擊），提出了一種基于機器學習的入侵檢測方法。該方法采用自動編碼器進行數(shù)據(jù)降維，并使用極端隨機樹分類器檢測潛在攻擊。在IEEE標準電力系統(tǒng)數(shù)據(jù)的基礎(chǔ)上，測試了該方法在不同系統(tǒng)規(guī)模和攻擊程度下的性能。實驗結(jié)果顯示，在IEEE 118節(jié)點系統(tǒng)中，該方法的檢測準確率高達99.76%，即使在僅有0.1%攻擊測量值的情況下，F(xiàn)1值也達到了99.77%，遠超其他算法。該方法不僅能有效檢測智能電網(wǎng)中的入侵行為，而且具有較高的計算效率。

發(fā)表于：11/14/2024 3:56:39 PM