牛和人交vide欧美xx,国产精品狼色在线观看视色

基于數(shù)據(jù)中臺(tái)的地理信息要素融合治理的構(gòu)想與實(shí)踐[其他][數(shù)據(jù)中心]

隨著技術(shù)的發(fā)展，測(cè)繪地理信息已經(jīng)從傳統(tǒng)的數(shù)據(jù)資源轉(zhuǎn)變?yōu)閿?shù)據(jù)要素，其在各類數(shù)據(jù)之間發(fā)揮著“紐帶”作用，對(duì)于數(shù)據(jù)治理尤為重要。面向地理信息要素，分析其特點(diǎn)與問(wèn)題，針對(duì)其難以匯聚管理且應(yīng)用質(zhì)效低的情況，基于數(shù)據(jù)中臺(tái)的理念與思想，設(shè)計(jì)地理信息要素面向數(shù)據(jù)中臺(tái)融合治理的體系架構(gòu)，提出全流程的實(shí)踐方法，并針對(duì)其中的數(shù)據(jù)融合、要素實(shí)體化兩個(gè)關(guān)鍵步驟的流程與方法進(jìn)行闡述。地理信息要素的有效融合與治理，對(duì)于構(gòu)建數(shù)字中國(guó)、推動(dòng)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展具有重要作用。

發(fā)表于：2025/4/27 16:28:36

應(yīng)用于相機(jī)標(biāo)定的亞像素棋盤角點(diǎn)檢測(cè)[人工智能][消費(fèi)電子]

在相機(jī)標(biāo)定過(guò)程中，棋盤角點(diǎn)檢測(cè)精度對(duì)于確保標(biāo)定結(jié)果的準(zhǔn)確性至關(guān)重要。針對(duì)當(dāng)前棋盤角點(diǎn)檢測(cè)方法在精度方面的不足，提出一種新型的亞像素級(jí)棋盤角點(diǎn)檢測(cè)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(jī)捕獲的棋盤圖像構(gòu)建角點(diǎn)熱圖。此外，為了縮小編碼器特征和解碼器特征之間的語(yǔ)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(guò)高斯曲面擬合方法，計(jì)算出精確的亞像素棋盤角點(diǎn)坐標(biāo)。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效提高角點(diǎn)檢測(cè)的精度，并在相機(jī)標(biāo)定任務(wù)中實(shí)現(xiàn)了更低的重投影誤差。

發(fā)表于：2025/4/27 16:15:27

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

生成式人工智能驅(qū)動(dòng)了人工智能生成內(nèi)容時(shí)代的到來(lái)，變革了信息生成和傳播的機(jī)制。在變革過(guò)程中，信息生態(tài)秩序的失衡風(fēng)險(xiǎn)也隨之產(chǎn)生。受到語(yǔ)料庫(kù)、模型目標(biāo)設(shè)定、模型微調(diào)中相關(guān)主體價(jià)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(cuò)誤信息、誤導(dǎo)性信息的問(wèn)題，會(huì)對(duì)現(xiàn)有信息生態(tài)的有序性、真實(shí)性、可信性產(chǎn)生影響。為應(yīng)對(duì)失衡風(fēng)險(xiǎn)，應(yīng)在包容審慎、動(dòng)態(tài)敏捷的柔性治理理念指引下，調(diào)動(dòng)政府部門、運(yùn)營(yíng)管理主體、產(chǎn)品使用者等多元主體共同參與風(fēng)險(xiǎn)治理；針對(duì)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(chǎng)景展開分層分類精細(xì)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 15:59:26

海量數(shù)據(jù)下的網(wǎng)絡(luò)安全智能檢測(cè)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(shì)給網(wǎng)絡(luò)安全，特別是智能檢測(cè)領(lǐng)域帶來(lái)了諸多機(jī)遇和挑戰(zhàn)。基于網(wǎng)絡(luò)安全智能檢測(cè)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(cè)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(jì)度量、分類模型算法等關(guān)鍵技術(shù)。在對(duì)網(wǎng)絡(luò)隱蔽通信檢測(cè)技術(shù)進(jìn)行研究論述和討論分析后，提出通過(guò)特征統(tǒng)計(jì)指標(biāo)來(lái)評(píng)估數(shù)據(jù)流間的規(guī)律性、擬合度及相關(guān)性，設(shè)計(jì)了基于支持向量機(jī)（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(shí)現(xiàn)對(duì)隱蔽通信的智能檢測(cè)。

發(fā)表于：2025/4/27 15:50:25

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

針對(duì)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(yàn)證機(jī)制與零知識(shí)證明技術(shù)，確保參數(shù)分片在傳輸和恢復(fù)過(guò)程中的安全性；同時(shí)，利用低秩約束與動(dòng)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(shí)驗(yàn)充分驗(yàn)證了該方法在提高防御準(zhǔn)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(shì)，證明了方案在大規(guī)模場(chǎng)景下的實(shí)用性和可擴(kuò)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(hù)提供了一種高效、可行的技術(shù)路徑。

發(fā)表于：2025/4/27 15:37:00

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

基于統(tǒng)一可擴(kuò)展固件接口(Unified Extensible Firmware Interface, UEFI)標(biāo)準(zhǔn)實(shí)現(xiàn)的固件已廣泛應(yīng)用于個(gè)人計(jì)算機(jī)、云服務(wù)器以及網(wǎng)絡(luò)設(shè)備, UEFI固件服務(wù)漏洞會(huì)引發(fā)嚴(yán)重安全威脅，模糊測(cè)試是檢測(cè)漏洞的主要手段。然而，受限于傳統(tǒng)內(nèi)存類漏洞機(jī)理，當(dāng)前UEFI固件模糊測(cè)試方法無(wú)法檢測(cè)諸如UEFI固件Double-fetch條件競(jìng)爭(zhēng)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(cè)試方法,并實(shí)現(xiàn)了原型系統(tǒng)UEFIDFFuzzer，通過(guò)對(duì)來(lái)自英特爾廠商的114個(gè)UEFI固件服務(wù)驅(qū)動(dòng)進(jìn)行測(cè)試, UEFIDFFuzzer發(fā)現(xiàn)了兩個(gè)現(xiàn)有UEFI模糊測(cè)試工具RSFuzzer以及靜態(tài)分析工具efiXplorer沒(méi)有發(fā)現(xiàn)的UEFI固件Double-fetch零日漏洞。

發(fā)表于：2025/4/27 15:25:23

兩階段物聯(lián)網(wǎng)資產(chǎn)識(shí)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(shí)別模型。首先，對(duì)異構(gòu)協(xié)議進(jìn)行分析，解決多樣化協(xié)議流量特征提取困難問(wèn)題。其次，利用輕量級(jí)模型SqueezeNet過(guò)濾非物聯(lián)網(wǎng)設(shè)備，提高識(shí)別效率并降低計(jì)算負(fù)擔(dān)。為進(jìn)一步解決數(shù)據(jù)不均衡問(wèn)題，引入生成對(duì)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(jī)制結(jié)合的模型來(lái)識(shí)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(shí)別精度和效率。實(shí)驗(yàn)結(jié)果表明，模型在公開數(shù)據(jù)集上的準(zhǔn)確率達(dá)到99.48%，召回率提升2.02%，F(xiàn)1分?jǐn)?shù)提高1.85%，并在真實(shí)環(huán)境中保持99.01%的準(zhǔn)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 15:12:22

面向跨域聯(lián)合信息共享的網(wǎng)絡(luò)空間測(cè)繪數(shù)據(jù)體系框架設(shè)計(jì)與工程實(shí)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(guó)內(nèi)外數(shù)據(jù)體系戰(zhàn)略性演進(jìn)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(diǎn)的現(xiàn)代化數(shù)據(jù)體系框架，并從數(shù)據(jù)統(tǒng)籌、平臺(tái)建設(shè)、數(shù)據(jù)治理三個(gè)方面提出工程化實(shí)施落地方法，包括5維統(tǒng)一話語(yǔ)體系基準(zhǔn)、8大平臺(tái)創(chuàng)新功能、“8+8”治理框架、“五階十二步”治理流程、2個(gè)典型計(jì)算治理策略設(shè)置場(chǎng)景等，為建立以“數(shù)據(jù)”為內(nèi)生驅(qū)動(dòng)力的領(lǐng)域網(wǎng)絡(luò)信息體系提供頂層框架與建設(shè)實(shí)施參考，支持網(wǎng)絡(luò)空間測(cè)繪數(shù)據(jù)的有序融合、價(jià)值涌現(xiàn)。

發(fā)表于：2025/4/27 15:02:22

基于特征點(diǎn)提取和PCA的改進(jìn)ICP點(diǎn)云配準(zhǔn)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

傳統(tǒng)迭代最近點(diǎn)（Iterative Closest Point， ICP）方法進(jìn)行點(diǎn)云配準(zhǔn)時(shí)存在實(shí)時(shí)性差、易陷入局部極值且配準(zhǔn)精度低等問(wèn)題。提出一種基于特征點(diǎn)提取、主成分分析（Principal Component Analysis， PCA）粗配準(zhǔn)和ICP精配準(zhǔn)的三步點(diǎn)云配準(zhǔn)方法。首先定義點(diǎn)云數(shù)據(jù)局部密度概念，并自動(dòng)選擇局部密度較大的點(diǎn)作為特征點(diǎn)，然后利用PCA對(duì)提取的特征點(diǎn)進(jìn)行分析，根據(jù)PCA主分量方向計(jì)算配準(zhǔn)所需平移和旋轉(zhuǎn)參數(shù)。最后利用ICP對(duì)數(shù)據(jù)進(jìn)行精配準(zhǔn)。試驗(yàn)結(jié)果表明，所提方法相對(duì)于對(duì)比方法的配準(zhǔn)精度提升超過(guò)13.4%，實(shí)時(shí)性提升超過(guò)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 15:19:28

一種改進(jìn)的分段FFT兩級(jí)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(hào)中一體化設(shè)計(jì)的導(dǎo)航增強(qiáng)信號(hào)具有頻譜資源受限和非連續(xù)播發(fā)的特點(diǎn)，針對(duì)對(duì)低軌衛(wèi)星L頻段的高動(dòng)態(tài)短時(shí)突發(fā)導(dǎo)航增強(qiáng)信號(hào)，提出了一種改進(jìn)的分段FFT兩級(jí)時(shí)頻域二維快速捕獲方法，通過(guò)兩級(jí)分段相關(guān)FFT的捕獲處理方式，同時(shí)獲取導(dǎo)航增強(qiáng)信號(hào)到來(lái)時(shí)刻和信號(hào)多普勒頻移估計(jì)，實(shí)現(xiàn)低軌場(chǎng)景下信號(hào)快速實(shí)時(shí)捕獲處理。仿真驗(yàn)證結(jié)果表明，在信號(hào)載噪比48 dBHz以上時(shí)，快速捕獲算法可適應(yīng)±40 kHz的信號(hào)多普勒頻移并且可以適應(yīng)短時(shí)突發(fā)的播發(fā)模式，信號(hào)多普勒估計(jì)誤差控制在±80 Hz，信號(hào)到來(lái)時(shí)刻估計(jì)誤差控制在±1碼片。

發(fā)表于：2025/4/22 15:01:26