123,123,123

面向Windows平台的样本对抗研究[通信与网络][信息安全]

随着网络攻击技术的不断演进，针对企业和组织的高级持续性威胁（APT）攻击愈演愈烈。APT攻击的成功与否，很大程度上依赖于后渗透阶段的执行质量，在该阶段，攻击者利用复杂的对抗技术实现持久控制和数据窃取。围绕后渗透中的对抗技术展开，探讨了Bootkit、COM接口滥用、BYOVD、VEILP7等对抗技术，提出了一种新的对抗框架，并通过实验展示了其在多个反病毒工具中的对抗能力以及相对于现有对抗工具的优势，并针对该框架提出相应的对抗策略，旨在推动对抗技术的研究和防御机制的优化。

發(fā)表于：2025/10/28 下午2:50:57

低温度与工艺增益误差的可变增益放大器设计[电源技术][物联网]

采用0.18 μm工艺，设计了一种适用于高精度测温系统中的可变增益放大器，相比于传统的前置放大器，采用开环结构避免了反馈网络漏电流对前端采样电路的影响。通过与电源电压无关的电流源给跨导放大器电路提供电流，产生一个不包含工艺参数的跨导，最后通过运算放大器获得一个与电源电压、温度和工艺参数无关的增益。通过改变全差分跨导放大器的负载，来实现10倍和40倍可变增益。仿真结果表明，放大倍数为10倍时，增益随温度最大误差为0.19 dB，增益随电源电压最大误差为0.15 dB，增益随工艺偏差为0.12 dB。放大倍数为40倍时，增益随温度最大误差为0.16 dB，增益随电源电压最大误差为0.23 dB，随工艺偏差为0.13 dB。

發(fā)表于：2025/10/28 下午2:40:00

LDO启动浪涌的反馈网络优化抑制方法研究[电源技术][航空航天]

低压差线性稳压器（LDO）作为现代电子系统的核心电源管理器件，其启动浪涌电流问题严重威胁系统可靠性。以MSK5101型LDO为研究对象，针对使能端加入RC延时电路后输入浪涌电流尖峰现象，提出一种基于反馈网络动态优化的抑制方法。通过建立小信号模型并进行频域分析，揭示了反馈网络参数对系统响应速度与稳定性的影响规律，提出通过增大反馈电阻与调整补偿电容实现等效软启动。实验结果表明，优化后浪涌电流峰值由2.7 A降至0.87 A（降幅67.8%），输出电压建立时间由2.9 ms延长至12.3 ms，显著提升了宇航电源系统的可靠性和鲁棒性。

發(fā)表于：2025/10/28 下午2:31:00

基于SM2的SoC安全芯片双向身份鉴别技术研究[模拟设计][工业自动化]

片上系统（System on Chip， SoC）芯片会针对产品固件进行SM2签名和验签，以确定产品固件的合法性，但现有技术中产品固件未对芯片进行身份鉴别，由于无法确定芯片是否合法，产品固件和数据的安全性得不到保护。基于SM2算法，针对SoC安全芯片中产品固件导入过程，实现了基于国产密码SM2算法的芯片鉴别固件、固件鉴别芯片的双向身份鉴别技术。方案安全性高、可实现性强，对SoC安全芯片对引导程序、产品固件进行双向身份鉴别有普遍现实借鉴意义。所设计的SM2模块，具有芯片面积小、电路设计难度小、CPU操作简单、适用于嵌入式SoC安全芯片等优点。

發(fā)表于：2025/10/28 下午2:21:00

一种基于电流比较的LDO折返式限流保护电路[电源技术][工业自动化]

针对低压差线性稳压器（LDO）可能出现的过载、短路问题，基于180 nm BCD工艺，设计了一种基于电流比较的折返式限流保护电路。通过添加监测信号，有效避免了折返式限流电路中容易出现的“闩锁”问题。仿真结果表明，在达到过流限时，输出电流减小至200 mA，输出电压减小约400 mV后开始折返，LDO的输出电流和输出电压均下降。结果表明，该电路在完成限流保护功能的同时大大降低了系统过流状态下的系统功耗。

發(fā)表于：2025/10/28 下午2:10:32

一种宽输入低纹波电荷泵负压电源芯片设计[电源技术][工业自动化]

为解决电感型电源芯片电磁干扰严重和电容型电源芯片输出纹波过大的问题，设计了一种电容型电源芯片。该芯片采用无电感结构，在高频条件下输出纹波低于1 mV，接近电感型电源芯片。芯片输出电压可在-16 V至-3 V范围内调节，工作频率可在90 kHz到1 MHz间改变。该电路基于250 nm工艺设计实现。仿真结果表明，在输入电压为16 V、输出电流为100 mA、工作频率为1 MHz的条件下，输出纹波为0.6 mV，输出电压为-14.84 V，效率达到87.1%；当工作频率降至90 kHz时，输出纹波为10 mV，输出电压为-14.83 V，效率提升至91.9%。仿真数据表明，该芯片具有良好的适应性，可满足多种应用场景的需求。

發(fā)表于：2025/10/28 下午2:01:33

强化学习评估指标的系统性分析与优化研究[人工智能][其他]

强化学习评估指标作为衡量智能体性能与指导算法优化的核心工具，在实际应用中面临指标单一性、环境依赖性及可解释性缺失等关键挑战。系统性分析了现有评估指标的分类框架，提出基于性能、学习过程、策略、鲁棒性和效率的多维度指标体系，并探讨其在不同任务场景（如稀疏奖励、高维状态空间）下的适用性与局限性。研究指出，传统指标在复杂环境中易忽略安全性、效率及人类偏好对齐等需求，需结合任务特性设计融合多目标的评估方法。针对未来研究，提出需聚焦多目标帕累托优化、基于人类反馈的奖励建模、稀疏奖励环境下的探索效率量化等方向，以提升评估的全面性、可解释性。通过理论与实际案例结合，为强化学习评估体系的规范化与跨领域适配提供了方法论支持，推动其在复杂场景中的高效落地。

發(fā)表于：2025/10/28 下午1:50:33

基于Pearson与FBRCSP的运动想象脑电分类研究[人工智能][医疗电子]

脑机接口（BCI）为用户提供了一种无需依赖外周神经和肌肉的控制通道，广泛应用于神经肌肉疾病患者的康复治疗。基于运动想象（MI）的BCI利用大脑在运动任务想象过程中的信号，实现无需肢体运动的控制。为提高MI-BCI的分类性能，提出了一种结合皮尔逊相关系数通道选择（PCCS）和滤波器组正则化共空间模式（FBRCSP）的方法。首先，通过PCCS对EEG信号进行通道选择，保留关键信号并去除冗余信息；然后，采用FBRCSP优化空间模式提取判别性特征。在BCI Competition III IVa和IV Dataset I数据集上进行了验证。实验结果表明，PCCS-FBRCSP方法在分类准确率和稳定性方面优于传统方法，尤其在跨个体实验中展现出更强的鲁棒性。同时，该方法有效降低了计算复杂度，具有较好的应用潜力。

發(fā)表于：2025/10/28 下午1:39:38

基于混合专家模型的云原生教育培训平台动态安全防御体系研究[人工智能][信息安全]

针对云原生教育培训平台面临的复杂动态安全威胁，以及传统防御机制存在的环境感知薄弱、智能决策缺失、泛化能力不足和隐私合规冲突等缺陷，提出基于混合专家模型的动态安全防御体系。该体系构建四层协同防护框架：时空图神经网络建模流量时空特征；多模态卷积神经网络融合容器化异构数据；联邦学习组件实现隐私保护下的知识共享；大语言模型生成可执行防御策略。核心创新包括设计可微分门控网络（Top-2稀疏激活）实现攻击特征到最优专家模型的动态路由，并建立威胁强度指数驱动的Kubernetes资源弹性调度机制。该研究为云原生教育平台提供了可弹性扩展的安全防护范式，其方法论对构建自适应安全体系具有理论价值与实践意义，为智能主动防御体系发展奠定基础。

發(fā)表于：2025/10/28 下午1:28:39

商业数据反不正当竞争保护的实践困境与规则优化[其他][其他]

商业数据是数字经济下经营者参与市场竞争的的重要资源。目前，针对商业数据不正当竞争行为的裁判依据主要是《反不正当竞争法》第2条和第12条，该援引条款具有高度抽象性，致使出现司法实践中原则性条款的过度使用、不正当竞争行为的认定标准不明等问题。对商业数据不正当竞争行为的规制应当跳出赋权保护模式的桎梏而选择更具竞争法特征的行为规制路径。结合商业数据的特性，在总结当前司法实践不足，并充分借鉴域外经验的基础上，通过在反不正当竞争法中设置商业数据专条，立足弱权利保护。如此既增强了数据权益保护的有效性，又激励了数据的流通与利用。

發(fā)表于：2025/10/15 下午4:35:02