TCP有限状态机和协议解析在伪警报去除中的应用

面对入侵检测系统(IDS)产生的海量警报,提出了一种基于协议解析和传输控制协议(TCP)有限状态机的伪警报去除方法。对于无连接的请求/应答协议,同时分析请求数据包的攻击特征和应答数据包的返回状态码来去除伪警报;对于TCP,在协议分析的基础上建立TCP数据包的有限状态机的模型,通过判断系列数据包是否为同一TCP连接、是否包含攻击序列来去除伪警报。在DARPA2000的数据集上的实验结果表明,此方法的误警率平均降低了59.47%,对TCP和请求/应答协议的警报的识别率达到76.67%。该方法简单又有效,依赖IDS的攻击特征库,可以插件的形式在线实现。

以竞赛和项目驱动的新工科人才培养的“运筹学”教学模式研究

在新工科人才培养的背景下,传统“以教为中心”的运筹学教学方式,难以实现运筹学以应用为导向的目标。在教学过程中发现教学内容多、学时不够、学习难度大、学习热情低、难以培养学生独立思考和解决问题的能力的问题。为此文章提出以竞赛为目标,项目为驱动的运筹学教学新模式,此教学模式在2016级的交通运输专业的学生中进行了试点。发现此教学模式下,学生正常完成了相应的项目、期末成绩得到了极大的提高,以此项目为基础的作品参加了2019年的全国交通科技大赛,并获得了全国第三的好成绩。此模式极大地鼓舞了学生的自信心、提高了学习能力、增强了个人成就感、让学生有更强的自信去追求更大的梦想。

JINI租借的思想及实现技术研究

文章描述JINI的租借服务在JINI服务中所处的位置、JINI所面对的分布式网络与传统网络的不同、JINI租借服务的思想和它的实现等内容 .重点讨论了在分布式网络中租借必须要解决的关键技术 ,租约双方在接口上的具体实现 。

软件可靠性模型研究进展

软件可靠性模型旨在根据软件失效数据,通过建模给出软件的可靠性估计值或预测值。它不仅是软件可靠性预计、分配、分析与评价的最强有力的工具,而且为改善软件质量提供了指南。对近年来提出的多种不同的软件可靠性模型进行分类剖析,讨论了部分模型的预测能力和适用性,分析了多个模型适用性差的原因,还对未来的研究趋势进行了展望。

锂离子蓄电池组充放电均衡器及均衡策略

本文提出了一种针对锂离子蓄电池组的均衡器,根据电池组充放电状态采取两种不同的均衡策略.当电池组处于充电状态时,对电池组中能量最高的单体电池进行均衡放电,以提高整个电池组的充电容量.当电池组处于放电状态时,对电池组中能量最低的单体电池进行均衡充电,以提高整个电池组的放电容量.均衡器以电感为储能元件,等效的均衡电路为典型的升降压斩波电路和降压斩波电路,均衡电流可控可调.本文详细分析了均衡器的工作原理和均衡策略,同时进行了仿真实验和实际的均衡实验,实验结果均证明了此均衡器的可行性.

嵌入式开放平台在家电信息网络化中的研究与实现

通过分析智能家电、家居网络的现状与未来发展趋向,以ARM技术和嵌入式Linux操作系统为基础,提出基于智能家电的嵌入式开放平台的设计思想,构建出针对智能家电的嵌入式控制环境,并从设备层、中间层、应用层等方面详细论述了该平台的设计与实现。实现中间层对底层不同设备的兼容和向上层提供各类应用程序开发的统一接口,实现具有简单、高效、界面友好的嵌入式开放性平台。

南极硅藻生物多样性及生态分布研究进展

南极硅藻在南极生态系统中起着至关重要的作用,是南极食物网的基石,其物种多样性、群落结构特征直接或间接影响南极生态系统的稳定性。根据近30年来国内、外有关南极硅藻的多样性和生物地理学研究,综述了海冰硅藻的种类组成和分布特点,南极湖泊硅藻的物种构成特征及附生硅藻和共生硅藻多样性的研究进展,为南极硅藻的生物多样性研究、分子生态学研究、生物地理学研究开发和利用提供参考依据。

Pb^(2+)对淡水硅藻谷皮菱形藻(Nitzschia palea)生长的影响

通过在自制培养基中加入不同浓度的Pb2+,研究水环境中重金属Pb2+污染对谷皮菱形藻生长和叶绿素a含量的影响,并在光学显微镜下观察细胞形态变化,研究该藻对铅离子(Pb2+)的耐受性。试验结果表明,谷皮菱形藻对Pb2+的耐受性较强。Pb2+浓度低于5 mg/L,促进其生长;Pb2+浓度为10 mg/L时,对其无明显影响;Pb2+浓度大于50 mg/L时,明显抑制其生长,且藻细胞出现异常现象;96 h EC50值为27.26 mg/L。Pb2+浓度小于10 mg/L时,藻叶绿素a含量均较高,与正常生长情况相似;Pb2+浓度大于50 mg/L时,叶绿素a含量明显降低。Pb2+浓度较低时,藻细胞体形态正常,且运动能力很强,Pb2+浓度大于50 mg/L时,藻细胞体出现畸形,颜色加深,两端由圆形变成方形,且运动能力很弱。

南极海洋硅藻极端生境适应性研究进展

南极海洋硅藻作为海洋食物网的基石,在南大洋生态系统中扮演着至关重要的角色。南极海洋硅藻具有极端生境适应性,是生物抗辐射性、抗冻性和抗盐性研究的理想实验材料。综述了近30年来国内外有关南极海洋硅藻对强辐射、低温、高盐和低光照的光合适应性研究进展,表明其在长期的极端生境中,形成独特的生理、生化、遗传和代谢特征,相关研究为深入开展南极海洋硅藻的抗逆境研究和开发利用提供了重要参考依据。

基于堆栈分析的缓冲区溢出漏洞检测方法

分析了进程从开始运行、函数调用一直到进程结束整个过程中函数堆栈的变化情况,研究了缓冲区溢出发生的条件,在Linux下实现了一个缓冲区溢出漏洞攻击程序和漏洞扫描程序.缓冲区溢出漏洞攻击程序利用缓冲区溢出漏洞非法获取了系统超级用户权限,而漏洞扫描程序主要对库函数strcpy()存在的缓冲区溢出漏洞进行了模拟攻击,倘若检测到攻击成功,则说明系统存在安全漏洞.

Jini核心机制——查找服务概述

Jini查找服务是Jini核心机制之一,提供了在分布式Jini中服务的中央注册机制。任何服务都是由查找服务发现并确定,系统用户与系统的联系也是通过查找服务实现的。本文对查找服务的作用、工作原理、使用方法进行了详细介绍。

轨道交通企业信息系统的安全规划

针对轨道交通企业信息系统,研究了信息安全规划的一些基本问题。制定了信息安全规划的目标,确定了规划的内容,重点对信息安全体系结构设计、基于等级保护的安全信息系统和信息安全管理体系的建设等工作进行了分析。相关方法已经在一个实际的轨道交通企业信息系统安全规划过程中得到了应用,从而验证了所采用方法的合理性和可行性。

基于保能性的层次化系统可生存性评估方法

随着网络和分布式系统在关键基础设施中的广泛应用,人们对于保能性的关注程度越来越高。基于保能性,参考了传统的可生存系统分析方法和概率风险评测方法,采用层次化方法,将可生存性归结到带来可生存性影响的不利事件上,然后从技术角度和经济效益角度考虑可生存性量化。

公交候车时间容忍阈值的分布特征及影响因素

公交候车时间容忍阈值反映的是出行者能够容忍的最长候车时间.研究公交候车时间容忍阈值有助于我们更好地理解出行者对候车时间的感知和态度,从而采取针对性的对策提高公交吸引力和分担率,并可以为公交运营组织提供参考.本文采用昆明市的调查数据,对候车时间容忍阈值进行了实证研究.首先,对候车时间容忍阈值的分布特征进行了统计分析,并采用秩和检验法对不同群体的候车时间容忍阈值的分布差异进行了检验.进一步,基于序次Logit模型识别了候车时间容忍阈值的影响因素,发现年龄、受教育程度、年龄和受教育程度的交互项、职业、家庭年收入、公交出行频率对候车时间容忍阈值有显著影响.

基于城市POI聚类的需求不确定情况下电动自行车换电柜选址

针对当前电动自行车车速和重量标准的约束下,外卖骑手电动自行车换电服务的需求急剧增加,电动自行车换电柜选址布柜策略研究有待深入的情况,以国内某大型换电企业在成都、无锡、武汉、北京4座城市的换电数据、POI数据和成都市的部分外卖需求数据为基础,使用线性回归分析方法和K-Means聚类算法,研究换电柜的换电订单需求与周边POI密度之间的关系,提出了电动自行车换电柜的选址布柜策略。研究结果表明:换电订单需求与周围POI密度之间存在线性正相关关系,换电柜周围POI密度越大,换电订单需求越大。提出的基于POI聚类的换电柜选址布柜策略能降低换电企业布局成本,满足实际需求。

基于SSA-SVR模型的城市轨道交通短时进站客流预测

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进行各站点的短时进站客流预测。采集2015年11月北京市全网的城市轨道交通进站客流数据,对提出的短时客流预测模型进行验证和对比分析。结果表明,组合模型预测精度相比ARIMA、SVR、CNN-LSTM和T-GCN模型具有更高的预测精度和更稳定的预测表现,具有一定的实际意义。

基于数据驱动的电动自行车换电需求预测

换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测。本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按区域对换电需求量进行聚类并预测的方法。首先,对换电柜位置进行K-means聚类,据此优化换电柜的投放量,提高使用率;随后,采用整合移动平均自回归模型(Autoregressive Integrated Moving Average model,ARIMA)预测短时换电需求。实验发现,ARIMA模型在短时换电订单的需求预测上具有较高的预测精度,与其他基线模型相比,各指标均为最好,说明换电需求在时间上更趋于线性关系。本文提出的换电柜优化方法和短时需求预测结果为换电企业的换电柜选址和电池投放量提供数据支持。

混合模型在网约车出行预测研究中的应用

网约车出行交通流实时预测是智能交通的重要研究领域,针对网约车出行的交通流特点,提出SSA-LSTM-SVR混合模型对网约车短时交通流进行预测分析。使用奇异谱分析(singular spectrum analysis,SSA),将交通流分解为1个主分量和3个随机分量,根据各分量的不同特征,分别采用长短期记忆神经网络(long-short term memory,LSTM)和支持向量回归(support vector regression,SVR)对不同分量进行预测,并将各分量的预测结果进行权重融合,得到最终的预测值,SSA-LSTM-SVR能够捕捉网约车出行交通流的主要规律及其随机变化趋势,预测结果也能够反映交通流的短期变化。结果表明:与其他基线模型相比,所提出的SSA-LSTM-SVR模型具有较低的预测误差和较高的精度和拟合度,其MAPE平均降低了4%以上,预测精度平均提高了6%以上。

基于过采样和随机森林的高压隔离开关发热故障诊断

针对高压隔离开关发热故障引发的电网安全问题,提出了基于Kmeans-Smote过采样、特征选择和随机森林(random forest,RF)的故障诊断方法。首先,抽取可能影响发热的内外部因素,并进行特征可测量映射;针对样本不平衡的问题,提出Kmeans-Smote的过采样技术。然后,提出基于RF的发热故障诊断模型,以及基于Gini指数的特征重要度分析方法。最后,在实际的数据上验证模型的有效性,发现产品缺陷、运行年限、天气、温度、海拔等是引起隔离开关发热的最重要因素;RF模型比其他模型取得更好的识别性能,过采样能够均衡小样本故障,提升模型的性能。

浅析《建筑与装饰工程计量计价》课程教学方法的探索

中职学生毕业后直接进入企业工作,所以中职学生教学的优劣一直广受社会的关注。为了提高学生的能力,以使他们更好地工作,教师应积极探索恰当有效的教学方法。《建筑与装饰工程计量计价》这门课程更是如此。因此,教师应针对目前中职学生自身素质情况以及课程的特点及普遍存在的阻碍教学目标的问题进行探讨分析,以更好地开展教学活动,从而使学生获得更好的发展。