久久亚洲精品视频,亚洲第一激情av,亞洲爆乳AAA無碼專區

協(xié)同系統(tǒng)中基于誤比特率的波束成形設(shè)計

針對頻率選擇性信道下放大轉(zhuǎn)發(fā)模式的多中繼協(xié)同系統(tǒng)的波束成形因子設(shè)計問題進行研究。以最小化接收端總誤比特率（BER）為目標，提出了一種兩階段的波束成形設(shè)計方法。所提方法可以有效降低設(shè)計的難度和復雜度，并且可以使接收端的總BER最小。仿真結(jié)果表明，與現(xiàn)有算法相比，本算法可以顯著降低接收端的誤比特率。

發(fā)表于：9/13/2018

可重構(gòu)雙基雙域模乘器設(shè)計與實現(xiàn)

選擇素數(shù)域和二進制域上基于字的Montgomery模乘算法，分析傳統(tǒng)雙域模乘器在二進制域上運算效率不高的問題，首先選擇能夠使兩個域上模乘器延遲時間相當?shù)淖珠L，并對模乘器進行雙域的可重構(gòu)設(shè)計,使之能夠同時支持素數(shù)域和二進制域上的運算。相較以往設(shè)計,采用雙域雙基設(shè)計的模乘器使時鐘周期數(shù)平均縮短了48%。

發(fā)表于：9/12/2018

基于S變換的雷達脈內(nèi)調(diào)制特征提取方法

針對利用常規(guī)參數(shù)進行復雜體制雷達輻射源信號分類識別存在的問題，提出一種基于S變換的雷達脈內(nèi)調(diào)制特征提取方法。將S變換引入雷達脈內(nèi)信號分析中，首先提取信號S變換時頻圖像的不變矩特征；然后針對其在BPSK和QPSK信號分類上的不足，提出了基于S變換峰值包絡(luò)特征提取方法；最后用支持向量機作為分類器進行分類實驗。仿真結(jié)果表明，在一定信噪比范圍內(nèi)，提取的特征具有較好的聚集性和可分性，對6種雷達脈內(nèi)調(diào)制信號取得了較好的分類正確率。

發(fā)表于：9/12/2018

基于擬牛頓法的常模盲多用戶檢測算法

分析了傳統(tǒng)常模算法及其改進算法的缺點，將線性約束和擬牛頓法應(yīng)用于常模算法，提出了線性約束擬牛頓常模盲多用戶檢測算法，稱之為LC-QNCMA。在DS-CDMA系統(tǒng)中,對本文算法與傳統(tǒng)的線性約束常模算法（LC-CMA）及最小二乘常模算法（LSCMA）進行了仿真比較。結(jié)果表明，與LC-CMA相比,LC-QNCMA的信干比性能和誤碼性能方面有較大改善；與LSCMA算法相比，LC-QNCMA算法復雜度有明顯降低。本文算法在兩種算法的優(yōu)缺點中取得了較好的折中。

發(fā)表于：9/12/2018

基于粒子群優(yōu)化的模糊C均值聚類算法*

針對模糊C均值聚類算法(FCM)存在對初始聚類中心敏感，易陷入局部最優(yōu)解的不足，將改進的粒子群聚類算法與FCM算法相結(jié)合，提出了一種基于粒子群優(yōu)化的模糊C均值聚類算法。該算法對粒子群初始化空間及粒子移動最大速度進行優(yōu)化，同時引入環(huán)形拓撲結(jié)構(gòu)鄰域，提高粒子群聚類算法的全局搜索能力。對UCI中3個數(shù)據(jù)集進行仿真實驗，結(jié)果表明提出的基于粒子群優(yōu)化的模糊C均值聚類算法相比FCM算法和基本粒子群聚類算法具有更好的聚類效率和準確性。

發(fā)表于：9/11/2018

基于混沌擾動PSO算法的云計算任務(wù)調(diào)度

粒子群優(yōu)化（PSO）算法在云計算環(huán)境下任務(wù)調(diào)度方面應(yīng)用十分廣泛。針對算法易陷入局部最優(yōu)、收斂速度慢的缺陷，從基本概念入手，在算法中加入改進的動態(tài)慣性權(quán)重和外部擾動策略，改善PSO算法的局部尋優(yōu)能力，提高算法迭代后期收斂速度和搜索的精度，最后利用Cloudsim進行實驗，將新算法與其他算法任務(wù)執(zhí)行總的迭代次數(shù)的結(jié)果進行對比，新算法克服了粒子群算法的缺點，能夠有效地平衡全局和局部搜索能力，任務(wù)的完成時間相對較少。

發(fā)表于：9/11/2018

基于SECaaS模式的網(wǎng)絡(luò)安全監(jiān)管服務(wù)化研究

發(fā)表于：9/11/2018

基于深度學習和半監(jiān)督學習的webshell檢測方法

半監(jiān)督學習是一種重要的機器學習方法，能同時使用有標記樣本和無標記樣本進行學習。在webshell檢測領(lǐng)域，有標記樣本少、形式靈活多變、易混淆，基于特征匹配的方式很難進行準確檢測。針對標記樣本較少的現(xiàn)狀，提出一種基于深度學習和半監(jiān)督學習的webshell檢測方法，先使用卡方檢驗和深度學習方法獲取樣本的文本向量，然后分別使用單分類和增量學習方式訓練，提高分類性能。使用github公開數(shù)據(jù)集進行訓練和測試，實驗結(jié)果驗證該方法能夠有效改善webshell檢測的漏報率和誤報率。

發(fā)表于：9/10/2018

發(fā)布區(qū)塊鏈標準應(yīng)用模型及應(yīng)用部署技術(shù)研究

基于塊狀數(shù)據(jù)結(jié)構(gòu)和分布式去中心化邏輯，定義并發(fā)布區(qū)塊鏈標準框架模型。此模型定義標準數(shù)據(jù)接口，可擴展的結(jié)構(gòu)化和格式化表達式，及由低至高的數(shù)據(jù)區(qū)塊層、網(wǎng)絡(luò)層、平臺框架層、應(yīng)用層、跨域?qū)庸参鍖?，定義了可支撐任何應(yīng)用的區(qū)塊鏈環(huán)境。開發(fā)者可依據(jù)模型將應(yīng)用獨立部署或接入?yún)^(qū)塊鏈網(wǎng)絡(luò)；支持自由定義、創(chuàng)建、和執(zhí)行智能合約，并按照合約的定義自動執(zhí)行鏈上或鏈下無縫接入的應(yīng)用系統(tǒng)。模型中的平行鏈、側(cè)鏈和混鏈標準，雙向兼容任何主鏈或行業(yè)鏈。在防篡改、開放、完全去中心化及數(shù)據(jù)私密性之間達到完全兼顧，為行業(yè)提供了部署去中心化應(yīng)用的區(qū)塊鏈基礎(chǔ)標準。

發(fā)表于：9/10/2018

?農(nóng)村金融機構(gòu)亟需建設(shè)新一代網(wǎng)絡(luò)安全體系

鄉(xiāng)村振興的金融需求非常旺盛，農(nóng)村金融服務(wù)關(guān)系廣大農(nóng)民的切身利益。要提升農(nóng)村金融服務(wù)安全，當務(wù)之急是解決農(nóng)村金融機構(gòu)安全能力缺失和安全體系建設(shè)問題。隨著IT技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)安全的形勢也在發(fā)生深刻的變化，外部威脅越來越嚴重，農(nóng)村金融機構(gòu)的各個系統(tǒng)受到越來越多的持續(xù)性高級威脅，相應(yīng)的安全防護技術(shù)也同時發(fā)生變化，需要轉(zhuǎn)變由傳統(tǒng)防護到檢測、響應(yīng)的安全防護思路。

發(fā)表于：9/10/2018

基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融安全建設(shè)思路

隨著互聯(lián)網(wǎng)金融的發(fā)展，金融機構(gòu)在信息安全領(lǐng)域面臨更大的壓力。目前，傳統(tǒng)的安全體系存在著諸多的缺陷，為了應(yīng)對在互聯(lián)網(wǎng)金融業(yè)務(wù)發(fā)展中面臨的新安全威脅和安全運維過程中新的壓力，提出了一個基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融安全建設(shè)思路，希望給金融機構(gòu)一個新的思路和視角來審視和開展互聯(lián)網(wǎng)金融安全體系建設(shè)。

發(fā)表于：9/10/2018

ERC20智能合約整數(shù)溢出系列漏洞披露

從2016年The DAO被盜取6000萬美元開始，到美鏈BEC價值歸零、BAI和EDU任意賬戶轉(zhuǎn)帳，再到最近EOS漏洞允許惡意合約穿透虛擬機危害礦工節(jié)點，“智能合約”儼然成為區(qū)塊鏈安全重災區(qū)?！扒迦A-360企業(yè)安全聯(lián)合研究中心”團隊在區(qū)塊鏈安全方面進行了持續(xù)研究，開發(fā)了自動化漏洞掃描工具，近期發(fā)現(xiàn)了多個新型整數(shù)溢出漏洞，可造成超額鑄幣、超額購幣、隨意鑄幣、高賣低收、下溢增持等嚴重危害。

發(fā)表于：9/10/2018

人工智能標準體系建設(shè)

據(jù)預測，2020年全球人工智能市場規(guī)模約1190億人民幣，未來10年，人工智能將會是一個2000億美元的市場，空間非常巨大。然而隨著人工智能市場的迅速崛起，該產(chǎn)業(yè)迅速發(fā)展與標準化體系缺失的矛盾就變得尤為突出。

發(fā)表于：9/7/2018

工信部：第二季度共監(jiān)測網(wǎng)絡(luò)安全威脅約1841萬個

依據(jù)《公共互聯(lián)網(wǎng)網(wǎng)絡(luò)安全威脅監(jiān)測與處置辦法》（以下簡稱《辦法》），按照及時發(fā)現(xiàn)、科學認定、有效處置的原則，工業(yè)和信息化部組織各地通信管理局、基礎(chǔ)電信企業(yè)、網(wǎng)絡(luò)安全專業(yè)機構(gòu)、重點互聯(lián)網(wǎng)企業(yè)、域名機構(gòu)和網(wǎng)絡(luò)安全企業(yè)等開展網(wǎng)絡(luò)安全威脅監(jiān)測與處置工作，2018年第二季度工作情況分析總結(jié)如下：

發(fā)表于：9/6/2018

基于稀疏分解的超聲無損檢測信號處理

為了在復雜背景噪聲情況下，對缺陷的大小和位置實現(xiàn)精確的識別，提出了一種基于Gabor原子庫稀疏分解的信號處理方法，利用匹配追蹤算法將信號在超完備Gabor原子庫中進行稀疏表示。采用相干比閾值作為迭代終止條件，根據(jù)信號噪聲水平自適應(yīng)調(diào)整迭代次數(shù)。針對算法計算量大的缺點，引入遺傳算法，大大提高了計算的效率。實驗表明，該方法可以有效減小噪聲的影響，具有計算效率高、穩(wěn)定性好的特點。

發(fā)表于：9/5/2018