一种基于UML模型的起源感知访问控制策略分析方法

起源(Provenance)是记录数据演变历史的元数据。最近研究者提出起源感知的访问控制,通过追溯和分析访问者或被访问对象的起源来决定允许或拒绝访问请求。由于起源通常由系统在运行时记录并呈现为复杂的有向图,识别、规约和管理起源感知的访问控制策略非常困难。为此,提出了一个基于UML模型的起源感知访问控制策略分析方法,包括对复杂起源图的抽象建模技术以及一个在面向对象的软件开发过程中系统地建立起源模型、规约起源感知访问控制策略的参考过程指南。最后结合企业在线培训系统案例说明如何应用所提出的方法。

共享模式下石油企业强化财务管理之途径

在大数据、云计算、AI等技术快速发展的大背景下,石油企业财务共享服务正在建设以"打造世界一流的智能型全球财务共享服务体系",石油企业财务管理步入重大变革转型期。石油企业财务管理要积极适应共享新模式、新要求,紧密围绕企业提质增效,以全面预算管理为抓手,持续推进开源节流降本增效,建立财务分析制度,深入开展对标分析,不断优化生产要素配置,创新资金管理模式,着力落实资产轻量化战略,推动财务管理转型升级,为石油企业效益开发生产提供决策支持。

基于人脸识别的食堂管理系统设计与应用研究

介绍了人脸识别的基本原理,提出了一个基于人脸识别的食堂管理系统,通过自动捕获客户脸部图像,精准识别客户信息,实现门禁消费、餐厅食料和财务核算的一体化管理,避免了基于物理卡片的传统模式中出现的卡片遗失或损坏、补卡管理和盗刷查证等问题,能够极大提高食堂运行管理效率和服务质量。

2,4⁃MDNI/DNTF二元低共熔物的制备与性能

为了改善熔铸炸药载体3,4‑二硝基呋咱基氧化呋咱(DNTF)感度高、熔点高的问题,使用高能钝感炸药1‑甲基‑2,4‑二硝基咪唑(2,4‑MDNI)制备了2,4‑MDNI/DNTF低共熔物体系。通过差示扫描量热法(DSC)研究了不同比例2,4‑MDNI/DNTF的熔融及液化过程,建立了T‑x相图;研究了不同升温速率下2,4‑MDNI、DNTF及2,4‑MDNI/DNTF低共熔物的熔融和分解过程,分别使用Flynn‑wall‑ozawa方法、Doyle方法和Kissinger方法计算了2,4‑MDNI、DNTF及其低共熔物的热反应动力学参数;对三种物质进行了XRD和SEM分析;通过感度测试研究了2,4‑MDNI对DNTF的降感作用;使用EXPLO‑5软件,计算了2,4‑MDNI/DNTF低共熔物的爆轰性能。结果表明:2,4‑MDNI/DNTF最低共熔物的物质的量组成为51:49,平均熔点为92.7℃;随着升温速率的升高,熔融及分解反应都将延迟,低共熔物热分解反应的活化能E_(a)、指前因子A分别为146.0 kJ·mol^(-1)和4.09×10^(13);XRD测试中,2,4‑MDNI/PETN低共熔物在2θ=18.60°处产生新的衍射峰;且其凝固表面微观形貌比DNTF明显改善。2,4‑MDNI的撞击和摩擦感度均为0%,低共熔物的撞击和摩擦感度分别为64%和52%;2,4‑MDNI/DNTF低共熔物的理论密度1.844 g·cm^(-3),计算爆速为8705 m·s^(-1)。2,4‑MDNI与DNTF制备成低共熔物后熔点理想,热稳定性良好,同时可以显著降低DNTF的感度而又保持其较高能量水平。

2,4-MDNI/PETN低共熔物的制备与性能表征

为降低高能炸药季戊四醇四硝酸酯(PETN)的感度,使用钝感高能炸药1-甲基-2,4-二硝基咪唑(2,4-MDNI)与PETN制备了2,4-MDNI/PETN二元混合体系。通过差示扫描量热法(DSC)研究了不同组分比例的2,4-MDNI/PETN的熔融液化过程,建立了2,4-MDNI/PETN二元混合体系的T-x相图,并得到低共熔物组成。研究了不同升温速率下2,4-MDNI/PETN低共熔物的分解过程,并计算了其热分解反应动力学参数。通过体积收缩率、凝固表面微观形貌等研究了2,4-MDNI/PETN低共熔物的凝固性能。测试了2,4-MDNI、PETN及2,4-MDNI/PETN低共熔物的机械感度,并计算了2,4-MDNI/PETN低共熔物的爆轰参数。结果表明:2,4-MDNI/PETN低共熔物中2,4-MDNI与PETN的摩尔比为71:29,平均熔融温度116.9℃,平均热分解反应温度207.5℃,热分解反应活化能167.05 kJ/mol,体积收缩率14.4%,撞击感度32%,摩擦感度0,生成焓-37.1 kJ/mol,理论密度1.732 g/cm^(3),计算爆速8 031 m/s,爆压27.89 GPa。表明2,4-MDNI的加入可以显著降低PETN的感度,同时保持其较高的能量水平。

一种可视化数据起源管理工具

为了向数据起源用户提供一种友好的可视化交互方式,以便使用户能够检索和理解数据的来源。使用GOJS框架将XML格式数据起源转换成有向无环图,并添加起源过滤算法,使用印第安纳大学公开的10GB起源数据集进行验证。结果表明,起源数据集可以全部转换成起源图,并且能够缩放起源图,过滤起源图,并使用形状和颜色属性来区分元素。可视化数据起源工具不仅可以高效的展示数据起源,方便用户理解和探索,也为以后的过滤和评估起源图提供了基础。