基于卷积神经网络的加密流量识别方法

随着互联网及各种在线应用的快速增长,加密流量在网络传输中的比重越来越大,这给流量识别带来了巨大的挑战。文中提出一种基于CNN(卷积神经网络)的加密流量识别方法,相比传统的机器学习方法,CNN这一深度学习方法具有识别准确性高、无需人工选择特征的特点。文中选择ISCX数据集中的加密流量作为训练和测试样本,通过将流量样本预处理成为分组净荷字节矩阵(Packet Payload Byte Matrix),采用softmax做分类器,实现加密流量的识别和分类。实验表明,识别准确率可以达到98%以上。

稀土Eu^(3+)配合物原位掺杂纳米硅球的制备及其发光性能研究

在合成纳米硅球的过程中掺入硅烷偶联剂改性的有机配体分子与稀土铕盐,通过有机配体分子的配位作用与水解-缩聚效应,将Eu^(3+)原位共价地包裹到硅球中,制备了具有稳定荧光性能的纳米硅球,对其荧光性能进行了表征,发现其在pH=5~9的弱酸碱体系中荧光均较为稳定。