123,123

應(yīng)用于相機標定的亞像素棋盤角點檢測[人工智能][消費電子]

在相機標定過程中，棋盤角點檢測精度對于確保標定結(jié)果的準確性至關(guān)重要。針對當(dāng)前棋盤角點檢測方法在精度方面的不足，提出一種新型的亞像素級棋盤角點檢測技術(shù)。首先，采用U-Net卷積神經(jīng)網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，根據(jù)相機捕獲的棋盤圖像構(gòu)建角點熱圖。此外，為了縮小編碼器特征和解碼器特征之間的語義差距，創(chuàng)新性地引入了通道和空間雙交叉注意模塊。接著，通過高斯曲面擬合方法，計算出精確的亞像素棋盤角點坐標。實驗結(jié)果表明，該方法能夠有效提高角點檢測的精度，并在相機標定任務(wù)中實現(xiàn)了更低的重投影誤差。

發(fā)表于：2025/4/27

生成式人工智能時代信息生態(tài)秩序的失衡風(fēng)險與治理方案[人工智能][信息安全]

生成式人工智能驅(qū)動了人工智能生成內(nèi)容時代的到來，變革了信息生成和傳播的機制。在變革過程中，信息生態(tài)秩序的失衡風(fēng)險也隨之產(chǎn)生。受到語料庫、模型目標設(shè)定、模型微調(diào)中相關(guān)主體價值觀念等內(nèi)外因素影響，生成式人工智能存在輸出和傳播虛構(gòu)信息、錯誤信息、誤導(dǎo)性信息的問題，會對現(xiàn)有信息生態(tài)的有序性、真實性、可信性產(chǎn)生影響。為應(yīng)對失衡風(fēng)險，應(yīng)在包容審慎、動態(tài)敏捷的柔性治理理念指引下，調(diào)動政府部門、運營管理主體、產(chǎn)品使用者等多元主體共同參與風(fēng)險治理；針對模型訓(xùn)練、服務(wù)嵌入、內(nèi)容生成、內(nèi)容發(fā)布、信息傳播等具體階段和場景展開分層分類精細治理；綜合采取法律規(guī)制、倫理規(guī)制、行業(yè)自律、技術(shù)規(guī)制等多種治理方案展開立體化治理。

發(fā)表于：2025/4/27

海量數(shù)據(jù)下的網(wǎng)絡(luò)安全智能檢測技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

系統(tǒng)遷移上云、海量數(shù)據(jù)積累、智能技術(shù)應(yīng)用等發(fā)展趨勢給網(wǎng)絡(luò)安全，特別是智能檢測領(lǐng)域帶來了諸多機遇和挑戰(zhàn)?；诰W(wǎng)絡(luò)安全智能檢測和隱蔽通信技術(shù)研究現(xiàn)狀，從海量數(shù)據(jù)下的網(wǎng)絡(luò)安全智能檢測視角，提出了從數(shù)據(jù)采集到數(shù)據(jù)應(yīng)用的五層框架和特征統(tǒng)計度量、分類模型算法等關(guān)鍵技術(shù)。在對網(wǎng)絡(luò)隱蔽通信檢測技術(shù)進行研究論述和討論分析后，提出通過特征統(tǒng)計指標來評估數(shù)據(jù)流間的規(guī)律性、擬合度及相關(guān)性，設(shè)計了基于支持向量機（Support Vector Machine，SVM）的分類模型，并以分類特征向量為輸入訓(xùn)練SVM分類器，實現(xiàn)對隱蔽通信的智能檢測。

發(fā)表于：2025/4/27

聯(lián)邦學(xué)習(xí)中基于NMSS和LoRA的魯棒防御機制研究[通信與網(wǎng)絡(luò)][信息安全]

針對聯(lián)邦學(xué)習(xí)中隱私泄露、數(shù)據(jù)投毒和模型篡改等安全威脅，構(gòu)建了一種融合不可篡改秘密共享與低秩適應(yīng)技術(shù)的防御架構(gòu)。該方案采用三服務(wù)器門限驗證機制與零知識證明技術(shù)，確保參數(shù)分片在傳輸和恢復(fù)過程中的安全性；同時，利用低秩約束與動態(tài)權(quán)重聚合算法，有效限制惡意攻擊干擾并降低通信開銷。在CIFAR-10和mini-ImageNet等數(shù)據(jù)集上的實驗充分驗證了該方法在提高防御準確率、降低模型誤差和提升系統(tǒng)魯棒性方面的顯著優(yōu)勢，證明了方案在大規(guī)模場景下的實用性和可擴展性。結(jié)論表明，該架構(gòu)為聯(lián)邦學(xué)習(xí)環(huán)境下安全防護提供了一種高效、可行的技術(shù)路徑。

發(fā)表于：2025/4/27

UEFI固件Double-fetch條件競爭漏洞模糊測試技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

基于統(tǒng)一可擴展固件接口(Unified Extensible Firmware Interface, UEFI)標準實現(xiàn)的固件已廣泛應(yīng)用于個人計算機、云服務(wù)器以及網(wǎng)絡(luò)設(shè)備, UEFI固件服務(wù)漏洞會引發(fā)嚴重安全威脅，模糊測試是檢測漏洞的主要手段。然而，受限于傳統(tǒng)內(nèi)存類漏洞機理，當(dāng)前UEFI固件模糊測試方法無法檢測諸如UEFI固件Double-fetch條件競爭漏洞等特殊類型漏洞。提出了Double-fetch信息引導(dǎo)的UEFI固件服務(wù)模糊測試方法,并實現(xiàn)了原型系統(tǒng)UEFIDFFuzzer，通過對來自英特爾廠商的114個UEFI固件服務(wù)驅(qū)動進行測試, UEFIDFFuzzer發(fā)現(xiàn)了兩個現(xiàn)有UEFI模糊測試工具RSFuzzer以及靜態(tài)分析工具efiXplorer沒有發(fā)現(xiàn)的UEFI固件Double-fetch零日漏洞。

發(fā)表于：2025/4/27

兩階段物聯(lián)網(wǎng)資產(chǎn)識別模型的研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

提出了一種兩階段的物聯(lián)網(wǎng)資產(chǎn)識別模型。首先，對異構(gòu)協(xié)議進行分析，解決多樣化協(xié)議流量特征提取困難問題。其次，利用輕量級模型SqueezeNet過濾非物聯(lián)網(wǎng)設(shè)備，提高識別效率并降低計算負擔(dān)。為進一步解決數(shù)據(jù)不均衡問題，引入生成對抗網(wǎng)絡(luò)（GAN）生成合成樣本數(shù)據(jù)，平衡數(shù)據(jù)分布。最后，采用 XLNet與注意力機制結(jié)合的模型來識別物聯(lián)網(wǎng)設(shè)備的類型，有效提升了模型在大規(guī)模物聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境中的識別精度和效率。實驗結(jié)果表明，模型在公開數(shù)據(jù)集上的準確率達到99.48%，召回率提升2.02%，F(xiàn)1分數(shù)提高1.85%，并在真實環(huán)境中保持99.01%的準確率。該模型為物聯(lián)網(wǎng)資產(chǎn)管理和安全管理提供了有效的解決方案。

發(fā)表于：2025/4/27

面向跨域聯(lián)合信息共享的網(wǎng)絡(luò)空間測繪數(shù)據(jù)體系框架設(shè)計與工程實踐方法[通信與網(wǎng)絡(luò)][其他]

面向政府、軍事、金融等各行業(yè)開展跨領(lǐng)域、跨系統(tǒng)聯(lián)合信息共享、業(yè)務(wù)協(xié)同的迫切需要，從國內(nèi)外數(shù)據(jù)體系戰(zhàn)略性演進發(fā)展路徑、架構(gòu)變化以及存算技術(shù)發(fā)展入手，借鑒數(shù)據(jù)網(wǎng)格、數(shù)據(jù)管道等理念，提出具有“自治透明、虛擬集成”特點的現(xiàn)代化數(shù)據(jù)體系框架，并從數(shù)據(jù)統(tǒng)籌、平臺建設(shè)、數(shù)據(jù)治理三個方面提出工程化實施落地方法，包括5維統(tǒng)一話語體系基準、8大平臺創(chuàng)新功能、“8+8”治理框架、“五階十二步”治理流程、2個典型計算治理策略設(shè)置場景等，為建立以“數(shù)據(jù)”為內(nèi)生驅(qū)動力的領(lǐng)域網(wǎng)絡(luò)信息體系提供頂層框架與建設(shè)實施參考，支持網(wǎng)絡(luò)空間測繪數(shù)據(jù)的有序融合、價值涌現(xiàn)。

發(fā)表于：2025/4/27

生命的證明快速發(fā)展的健身、健康和保健的生物傳感器[MEMS|傳感技術(shù)][醫(yī)療電子]

生物傳感器用于監(jiān)測心率、血壓等生理狀態(tài)，或者檢測生物參數(shù)，例如血糖值以及指示血液中存在特定蛋白質(zhì)的醫(yī)學(xué)指標。

發(fā)表于：2025/4/23

基于高云Arora-V 60K FPGA實現(xiàn)的MIPI CPHY轉(zhuǎn)MIPI DPHY透傳模塊[可編程邏輯][工業(yè)自動化]

近期，高云代理商聯(lián)詮國際聯(lián)合合作伙伴DepEye（深目微）共同推出 MIPI CPHY轉(zhuǎn)DPHY (C2D)透傳模塊：DEGC2DV60，功能基于高云GW5AT-LV60 FPGA實現(xiàn)，該產(chǎn)品適用于需要從 MIPI CPHY RX 橋接到 MIPI DPHY TX 的應(yīng)用場景。

發(fā)表于：2025/4/22

基于特征點提取和PCA的改進ICP點云配準方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

傳統(tǒng)迭代最近點（Iterative Closest Point， ICP）方法進行點云配準時存在實時性差、易陷入局部極值且配準精度低等問題。提出一種基于特征點提取、主成分分析（Principal Component Analysis， PCA）粗配準和ICP精配準的三步點云配準方法。首先定義點云數(shù)據(jù)局部密度概念，并自動選擇局部密度較大的點作為特征點，然后利用PCA對提取的特征點進行分析，根據(jù)PCA主分量方向計算配準所需平移和旋轉(zhuǎn)參數(shù)。最后利用ICP對數(shù)據(jù)進行精配準。試驗結(jié)果表明，所提方法相對于對比方法的配準精度提升超過13.4%，實時性提升超過38.2%，并且在低信噪比條件下表現(xiàn)出了更高的適應(yīng)性，具有較高的應(yīng)用前景。

發(fā)表于：2025/4/22

一種改進的分段FFT兩級快速捕獲方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

通導(dǎo)融合信號中一體化設(shè)計的導(dǎo)航增強信號具有頻譜資源受限和非連續(xù)播發(fā)的特點，針對對低軌衛(wèi)星L頻段的高動態(tài)短時突發(fā)導(dǎo)航增強信號，提出了一種改進的分段FFT兩級時頻域二維快速捕獲方法，通過兩級分段相關(guān)FFT的捕獲處理方式，同時獲取導(dǎo)航增強信號到來時刻和信號多普勒頻移估計，實現(xiàn)低軌場景下信號快速實時捕獲處理。仿真驗證結(jié)果表明，在信號載噪比48 dBHz以上時，快速捕獲算法可適應(yīng)±40 kHz的信號多普勒頻移并且可以適應(yīng)短時突發(fā)的播發(fā)模式，信號多普勒估計誤差控制在±80 Hz，信號到來時刻估計誤差控制在±1碼片。

發(fā)表于：2025/4/22

組合導(dǎo)航微系統(tǒng)陶瓷基三維集成技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了解決高精度組合導(dǎo)航系統(tǒng)的體積和重量較大的問題，基于多層陶瓷基板高密度布線和三維立體組裝等系統(tǒng)級封裝（System In Package，SiP）工藝技術(shù)，提出了一種全新的三維立體微系統(tǒng)封裝結(jié)構(gòu)。采用低溫共燒陶瓷（Low Temperature Cofired Ceramic，LTCC）基板高密度布線及貼裝、基板堆疊、高正交度立體組裝等SiP工藝，將三軸加速度計、三軸陀螺儀、衛(wèi)星導(dǎo)航、地磁計和氣壓高度計等集成在一個封裝單元中，研制出外形尺寸僅3.1 cm×2.9 cm×0.96 cm、重量僅18 g的組合導(dǎo)航微系統(tǒng)產(chǎn)品，拓展了應(yīng)用領(lǐng)域。通過數(shù)據(jù)融合算法，可以有效提升導(dǎo)航精度和可靠性，具有廣闊的應(yīng)用前景。

發(fā)表于：2025/4/22

FOCMLAD算法：未知相關(guān)雜噪下的MMW-FMCW雷達的角度估計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對毫米波（MMW）FMCW雷達在時空相關(guān)雜噪下提出了一種基于四階累積量（FOC）的MUSIC和LAD角度估計算法（FOCMLAD）?；贔OC的MUSIC方法用于解析和重構(gòu)中頻（IF）信號。然后，將每個傳感器的信號表達式視為一個獨立的回歸形式，并使用LAD估計來獲得目標角度。該算法有效地抑制了相關(guān)雜噪。FOCMLAD算法結(jié)合使用LAD方法來抵消相關(guān)雜噪的非高斯性，并減輕了相關(guān)雜噪的時域相關(guān)性的不利影響。實驗結(jié)果驗證了FOCMLAD算法有效地抑制了相關(guān)雜噪干擾。

發(fā)表于：2025/4/22

基于開口環(huán)諧振器的二維線性位移微波傳感器[微波|射頻][通信網(wǎng)絡(luò)]

采用微波技術(shù)測量位移的方法，設(shè)計了一種基于開口環(huán)諧振器（Split Ring Resonator，SRR）的二維線性位移微波傳感器。傳感器由定子與動子兩部分構(gòu)成，其中定子由兩組不同尺寸的SRR耦合一條傳輸微帶線構(gòu)成，動子采用單面覆銅的FR-4介質(zhì)基板制成。動子二維移動時兩個SRR的諧振頻率將發(fā)生變化，傳輸零點也產(chǎn)生對應(yīng)偏移，從而建立起位移和傳輸零點的關(guān)系。此外通過對SRR加載缺陷地結(jié)構(gòu)，提高了檢測靈敏度。經(jīng)電磁建模和仿真，傳感器在1 GHz至3.2 GHz范圍內(nèi)產(chǎn)生兩個傳輸零點，可在x和y方向表征0~6 mm的位移，靈敏度分別為122 MHz/mm和82 MHz/mm。制作并測試了傳感器實物，實測與仿真的數(shù)據(jù)基本吻合，證實了該傳感器設(shè)計的有效性。

發(fā)表于：2025/4/22

K波段跨導(dǎo)增強雙路噪聲抵消低噪聲放大器[微波|射頻][通信網(wǎng)絡(luò)]

為滿足通信系統(tǒng)發(fā)展對高性能硅基低噪聲放大器的需要，提出了一種跨導(dǎo)增強雙路噪聲抵消電路拓撲，能對晶體管噪聲進行抵消，以實現(xiàn)良好的噪聲性能。共柵路徑中引入的跨導(dǎo)增強結(jié)構(gòu)進一步改善了增益與噪聲性能?；谝陨贤負湓O(shè)計了一款K波段低噪聲放大器，由共柵與共源兩條路徑組成，兩者互為反饋支路，通過兩路合成實現(xiàn)雙路的噪聲抵消。電路采用90 nm CMOS SOI工藝設(shè)計，芯片核心尺寸為500 μm×280 μm。仿真結(jié)果表明，在17~22 GHz頻帶內(nèi)實現(xiàn)了1.61~1.87 dB的噪聲系數(shù)和15.8 dB的峰值增益，1 dB壓縮點輸入功率為-4.3 dBm，體現(xiàn)了較好的噪聲性能與線性增益。

發(fā)表于：2025/4/22