综合色五月,尤物国产在线一区手机播放

一種去中心化的域名服務(wù)本地化模型[其他][其他]

域名系統(tǒng)(Domain Name System，DNS)作為管理網(wǎng)絡(luò)空間資源名稱與IP對應(yīng)關(guān)系的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，在提供廣泛的域名解析服務(wù)的同時，也存在性能和安全隱患。針對傳統(tǒng)DNS系統(tǒng)的中心化樹狀層次結(jié)構(gòu)引起的對根域名服務(wù)器的嚴(yán)重依賴以及可能導(dǎo)致的系統(tǒng)脆弱性，設(shè)計了一種去中心化的域名服務(wù)本地模型，通過在去中心化互聯(lián)模型中整合多源數(shù)據(jù)，重構(gòu)域名信息解析優(yōu)先級記錄和相應(yīng)存活時間，以保證域名數(shù)據(jù)的唯一性及高優(yōu)先級；同時基于本地數(shù)據(jù)記錄重構(gòu)模型實現(xiàn)域名解析的快速響應(yīng)，形成本地DNS數(shù)據(jù)記錄重構(gòu)模型和域名解析服務(wù)模型，實現(xiàn)快速、準(zhǔn)確、可靠的域名解析服務(wù)。

發(fā)表于：1/19/2022 2:45:33 PM

一種基于局部平均有限差分的黑盒對抗攻擊方法[其他][其他]

在黑盒攻擊領(lǐng)域，目前主流方法是利用對抗樣本遷移性實現(xiàn)對抗攻擊，然而此類方法效果不佳。為此提出一種基于訪問的黑盒攻擊方法，此方法運用有限差分法直接估計樣本在目標(biāo)模型中的損失函數(shù)梯度。為提高攻擊效率，算法在兩方面進行優(yōu)化：第一，在估計梯度時，固定區(qū)域內(nèi)使用平均像素值代替區(qū)域所有像素值進行有限差分，從而每個區(qū)域只需計算一次梯度；第二，在迭代生成對抗樣本時，提出復(fù)用多代梯度生成對抗擾動的思想，顯著減少攻擊迭代次數(shù)。經(jīng)過大量實驗驗證，在MNIST、CIFAR-10和ImageNet中迭代的非目標(biāo)攻擊分別獲得了99.8％、99.9％和85.8％的攻擊成功率，領(lǐng)先當(dāng)今大多數(shù)黑盒攻擊算法。

發(fā)表于：1/19/2022 2:41:40 PM

基于Canopy-Kmeans算法的電力企業(yè)流量數(shù)據(jù)分析研究[其他][其他]

針對電力企業(yè)關(guān)鍵信息基礎(chǔ)設(shè)施大量業(yè)務(wù)數(shù)據(jù)易遭受網(wǎng)絡(luò)攻擊的現(xiàn)象，基于各業(yè)務(wù)信息系統(tǒng)下已有的網(wǎng)絡(luò)安全設(shè)備，通過輔助設(shè)備采集流量數(shù)據(jù)，采用Canopy-Kmeans算法進行數(shù)據(jù)分析研究。首先通過實驗證明了Canopy-Kmeans算法在處理流量數(shù)據(jù)時，相比傳統(tǒng)K-means算法，具有更好的聚類效果，準(zhǔn)確率提高約11%；然后以采集到的電力關(guān)鍵業(yè)務(wù)系統(tǒng)的流量數(shù)據(jù)為基礎(chǔ)，基于Canopy-Kmeans算法進行挖掘分析實驗，完成相同類型流量數(shù)據(jù)的聚類，分析出攻擊流量與業(yè)務(wù)流量的特征項，排除部分誤報信息，合理開展網(wǎng)絡(luò)安全防護工作。

發(fā)表于：1/19/2022 2:37:32 PM

基于人臉識別的安全驗證技術(shù)研究[其他][其他]

隨著人工智能和光學(xué)成像器件的蓬勃發(fā)展，基于先進的硬件基礎(chǔ)和深度學(xué)習(xí)算法，人臉識別技術(shù)得到了廣泛的應(yīng)用，特別是在金融領(lǐng)域，能高效地完成刷臉登錄、支付、驗證等服務(wù)，極大地節(jié)省了人力成本和用戶的時間成本，并且憑借著其非接觸性、易采集性、方便性、穩(wěn)定性和獨特性等優(yōu)點在眾多生物識別技術(shù)中脫穎而出，但是其安全性也成為人臉識別在應(yīng)用的過程中最大的瓶頸問題，可能危機生物信息安全甚至國家安全。因此著力于提高人臉識別技術(shù)的抗攻擊能力和安全驗證技術(shù)刻不容緩?；铙w檢測技術(shù)在人機交互和視頻監(jiān)控領(lǐng)域有著廣泛的應(yīng)用，能較好地解決這一問題。該技術(shù)能有效地辨別人臉圖像是否為真實人臉，并結(jié)合人臉識別系統(tǒng)，提高安全性和可靠性。通過對目前已有的活體檢測技術(shù)進行總結(jié)分析，對人臉識別的安全性進行驗證。

發(fā)表于：1/19/2022 2:12:00 PM

聯(lián)邦學(xué)習(xí)在金融數(shù)據(jù)安全領(lǐng)域的研究與應(yīng)用[通信與網(wǎng)絡(luò)][信息安全]

近年來，金融領(lǐng)域明文數(shù)據(jù)流通所引起的數(shù)據(jù)泄露問題日漸突出，傳統(tǒng)的跨機構(gòu)數(shù)據(jù)融合的機器學(xué)習(xí)方式面臨著新的問題與挑戰(zhàn)。因此，立足于金融數(shù)據(jù)安全領(lǐng)域，從用戶隱私和數(shù)據(jù)安全角度出發(fā)，概述聯(lián)邦學(xué)習(xí)理論并深入分析其目前在金融行業(yè)的應(yīng)用現(xiàn)狀，指出現(xiàn)有的聯(lián)邦學(xué)習(xí)還存在通信效率低、數(shù)據(jù)異構(gòu)性突出等問題。最后提出健全聯(lián)邦學(xué)習(xí)標(biāo)準(zhǔn)體系、時刻關(guān)注監(jiān)管要求等建議，為推動聯(lián)邦學(xué)習(xí)在金融數(shù)據(jù)安全領(lǐng)域中的合法應(yīng)用提供參考性意見。

發(fā)表于：1/19/2022 11:50:00 AM

帶電介質(zhì)板對電磁波的衰減特性研究[微波|射頻][智能電網(wǎng)]

電磁信號在穿透帶電介質(zhì)板時由于電磁波的散射等原因其信號強度會降低，甚至?xí)淖冸姶挪ǖ臉O性。為了測量電荷本身對電磁波衰減的影響，設(shè)計了帶電介質(zhì)板對電磁波的衰減實驗，選取了PP板、PVC板、PMMA板等典型介質(zhì)板，對電磁波信號衰減進行了實驗研究。研究結(jié)果表明介質(zhì)板帶電會增強對電磁波的衰減，且隨著電量增加，衰減增強。

發(fā)表于：1/7/2022 1:15:00 PM

0.8~18 GHz超寬帶接收組件設(shè)計與實現(xiàn)[其他][其他]

設(shè)計了一種應(yīng)用于無線偵收系統(tǒng)的小型化超寬帶接收組件，在有限的體積內(nèi)集成了兩路變頻接收通道、兩個本振源及一個校準(zhǔn)源。采用毫米波高本振的超外差二次變頻架構(gòu)，降低了組合干擾抑制的難度?；谝幌盗卸喙δ苄酒M行電路的小型化設(shè)計，腔體正面微波電路和反面控制電路通過通孔進行互聯(lián)，有效減小了組件厚度和橫向尺寸。利用內(nèi)部校準(zhǔn)源產(chǎn)生信號，通過ADC采集DLVA電壓進而調(diào)節(jié)數(shù)控衰減器的方式，可優(yōu)化雙通道增益及一致性等指標(biāo)，基本可以做到免調(diào)試，提高了批生產(chǎn)效率。

發(fā)表于：1/7/2022 1:11:00 PM

DC-60 GHz硅基垂直互聯(lián)結(jié)構(gòu)仿真設(shè)計[其他][其他]

設(shè)計了一種基于多層硅轉(zhuǎn)接板堆疊的垂直互聯(lián)結(jié)構(gòu)，對DC-60 GHz頻段內(nèi)不考慮和考慮硅表面SiO2層的兩種層間結(jié)構(gòu)的垂直互聯(lián)仿真結(jié)果進行對比，證明了硅表面SiO2層存在會對諧振頻率及阻抗等射頻性能產(chǎn)生影響；對后者垂直互聯(lián)結(jié)構(gòu)進行參數(shù)優(yōu)化，射頻傳輸性能較好，頻率40 GHz以下時回波損耗S11小于-30 dB，60 GHz以下整體S11小于-15 dB，插入損耗S12在50 GHz以下大于-0.32 dB；研究了硅表面SiO2絕緣層厚度變化對射頻信號傳輸性能的影響，結(jié)果表明適當(dāng)增加其厚度有助于垂直互聯(lián)結(jié)構(gòu)性能優(yōu)化。

發(fā)表于：1/7/2022 1:06:00 PM

星載L波段寬帶高增益圓極化微帶天線設(shè)計[其他][其他]

針對衛(wèi)星L波段通信轉(zhuǎn)發(fā)系統(tǒng)的要求，設(shè)計了一種新型星載L波段寬帶高增益圓極化微帶天線。微帶天線整體采用側(cè)饋的饋電方式，采用H型縫隙耦合饋電方式以實現(xiàn)寬頻帶，采用威爾金森移相功分器實現(xiàn)兩信號間相位差來滿足圓極化，增加天線背部反射板和板間泡沫層以提高增益并穩(wěn)固結(jié)構(gòu)。通過電磁仿真軟件分析可得：在中心頻點1.45 GHz處增益為8.3 dBi，軸比為0.7 dB，增益大于7.5 dBi且回波損耗小于-10 dB時相對帶寬為23.5%。天線加工實測結(jié)果與仿真結(jié)果基本一致，對L波段無線通信系統(tǒng)設(shè)計有一定指導(dǎo)意義。

發(fā)表于：1/7/2022 12:00:00 PM

基于改進Faster R-CNN的面板缺陷檢測算法[其他][其他]

針對面板表面缺陷檢測存在精度低、效率低等問題，提出了一種基于Faster R-CNN的優(yōu)化缺陷檢測的算法。該方法通過在特征融合層添加不降維的局部自適應(yīng)跨通道卷積，以增加通道交叉的特征映射；且在骨干特征提取網(wǎng)絡(luò)后加入CBAM注意力網(wǎng)絡(luò)，從而捕獲特征圖的長期特征依賴關(guān)系。并分析了缺陷數(shù)據(jù)集樣本寬高比的差異性，設(shè)定錨框生成大小，結(jié)合DIoU-NMS建議框篩選機制以提升先驗框與目標(biāo)框的匹配率。實驗結(jié)果表明，優(yōu)化后網(wǎng)絡(luò)模型的精確率與識別率均得到很大提升。

發(fā)表于：1/7/2022 11:54:00 AM