基于数据驱动的云边智能协同综述

随着物联网(IoT)的快速发展,大量在传感器等边缘场景产生的数据需要传输至云节点处理,这带来了极大的传输成本和处理时延,而云边协同为这些问题提供了有效的解决方案。首先,在全面调查和分析云边协同发展过程的基础上,结合当前云边智能协同中的研究思路与进展,重点分析和讨论了云边架构中的数据采集与分析、计算迁移技术以及基于模型的智能优化技术;其次,分别从边缘端和云端深入分析了各种技术在云边智能协同中的作用及应用,并探讨了云边智能协同技术在现实中的应用场景;最后,指出了云边智能协同目前存在的挑战及未来的发展方向。

多模态知识图谱的3D场景识别与表达方法综述

综述了多模态知识图谱技术在场景识别方面的应用。该技术将不同层次的3D专业知识结合到深度神经网络中,实现场景认知和知识表达。从知识的存储、获取和归纳三个层面,系统阐述了该技术的相关内容。贡献在于:全面综述了外置特征数据库快速构建3D场景图的现有技术;深入探讨了处理三维点云和视频的深度学习方法,并对此领域的未来研究方向做出分析。该研究对人工智能领域具有重要意义,为相关领域的进一步研究提供了有益的参考。为加强多模态知识图谱与其他人工智能技术(如自然语言处理、计算机视觉等)之间的融合,实现更加智能化、自动化、人性化的应用做出贡献。

面向知识图谱补全的归纳学习研究综述

知识图谱补全能够使知识图谱更加完整。然而,传统的知识图谱补全方法假定在测试时所有实体和关系都出现在训练过程,由于现实世界知识图谱的演变性质,一旦出现不可见实体或不可见关系,就需要重新训练知识图谱。面向知识图谱补全的归纳学习旨在补全包含不可见实体或不可见关系的三元组,而无需从头开始训练知识图谱,因此近年来受到广泛关注。首先从知识图谱的基本概念出发,将知识图谱补全分为两大类,直推式和归纳式;其次从归纳式的知识图谱补全的理论角度出发,分为半归纳和全归纳这两类,并从该角度对模型进行总结归纳;然后从归纳式的知识图谱补全的技术角度出发,分为基于结构信息和基于额外信息这两大类,将基于结构信息的方法细分为基于归纳嵌入、基于逻辑规则和基于元学习这三类,将基于额外信息的方法细分为基于文本信息和其他信息这两类,并对当下方法进一步深入细分、分析和对比;最后对未来的研究方向进行展望。

基于贝叶斯网络的网构软件可信性评估模型

对于运行在开放、动态、难控的互联网环境的网构软件,其可信性评估是一个重要课题,但目前大量研究中可信性计算多是基于黑盒的,没有深入考虑系统结构,且评价指标过于单一.因此,提出了一个基于贝叶斯网络的网构软件可信性评估模型.该模型通过对网构软件进行结构分析,根据其结构模式,建立多层的网构软件可信性评估指标体系.基于贝叶斯网络采用自底向上逐层分析计算的方法,对网构软件的各组成实体及其系统整体的多方面可信性指标进行评估,形成统一的可信性结果,并使用客观数据对其进行修正.实验证明,该模型可以明确、客观地对网构软件的可信性进行评估,并能够对网构软件的设计、开发和部署提供帮助.

基于TPC-C的XML数据库测试方案

为实现XML数据库的性能评测,提出基于TPC-C的XML数据库测试方案。针对XML数据库特性,对其数据结构、查询事务语句进行定制,将原有9张表映射成5个XML Schema文件,按照SQL/XML标准重写负载事务。应用该方案对SQL Server 2005数据库进行测试,结果表明显示的各项事务特征均与TPC-C基准相同。

网构软件可信性演化评估分层Petri网模型

对网构软件系统初始化及系统演化时实体间信任关系的建立、演化和评估问题进行了研究。通过结构分析,建立了网构软件系统结构模型,并给出了基于分层Petri网的评估模型;从系统整体组成结构与各实体内部访问控制策略两方面,对网构软件演化过程中的可信性演化情况进行了评估;解决了原有基于信任度量的模型对系统初始化及新建立实体可信性支持不足的问题,并提供了服务实体对客户实体的反向信任机制。

面向移动应用软件信息泄露的模型检测研究

移动平台上的应用软件私密信息泄露漏洞关注违背用户意愿的接口或数据暴露,而泄露形式和内容的复杂性增添了该类漏洞的检测难度.现有方法主要利用传统的静态数据流分析及动态监控等技术,易发生漏报和误报,且无法处理隐式信息泄露问题.该文首次将基于线性时序逻辑(Linear Temporal Logic,LTL)的模型检测技术应用于移动软件信息泄露检测上,提出了一种基于安全要素语句插装的泄露检测方法.文章首先针对代码中的安全要素提出一种信息泄露抽象关系模型;其次设计驱动生成规则和插装算法,在目标应用上生成可规约系统;继而设计具有通用意义的LTL泄露检测属性并利用符号执行技术优化检测算法;最后构建支持移动平台的模拟方法库,开发了原型检测系统(Leakage Finder of Android,LFDroid).公开数据集实验及对比分析表明,该文方法可以为含有隐式信息泄露数据集提供更为精确的漏洞检测,相较于传统方法准确率和召回率均具有明显优势,除此之外亦发现了3个真实移动应用的5个隐式泄露漏洞威胁.

面向海量数据的相对波速变化计算的并行化方法

随着地震台站数量大大增加,测量数据量也急剧增长。传统的串行化相对波速变化计算方法面向海量数据时存在计算速度慢、消耗时间长等问题,已不能满足日常业务的需求。针对此问题,提出一种面向海量数据的相对波速变化计算的并行化方法。通过对地震数据集的划分和算法调度,将数据集分布到基于Spark计算框架的分布式集群上进行并行运算。实验表明,该方法提高了相对波速变化计算的速度,显示出计算模型的稳定性和可扩展性。

服务机器人云平台服务质量指标体系综述

服务机器人的诞生丰富了人们的生活,并且随着大数据、云计算等技术的迅速发展,服务机器人连接云平台并从中调取算法服务已经能够实现,云服务机器人已然成为服务机器人的重点研究方向之一,而服务机器人云平台作为云服务机器人的云端服务平台有着重要的作用,需要对服务机器人云平台服务质量进行全面地评估,使服务机器人云平台能够和云服务机器人更好地结合。对服务机器人云平台服务质量指标体系进行综述,分别从软件QOS指标、网络QOS指标、服务机器人QOS指标三方面展开研究,并对三方面指标内容进行总结分析,得出一种服务机器人云平台服务质量指标体系,通过该体系能够对目前的服务机器人云平台以及相关云服务机器人的服务质量进行较为全面地评估,对该体系的未来发展进行展望。

基于策略推导的访问控制漏洞测试用例生成方法

Web应用已经成为越来越流行的信息传输媒介.为了保护重要信息不被泄漏,许多Web应用设计了针对不同角色不同用户的访问控制机制.然而由于不完善的访问控制机制,使得访问控制漏洞仍普遍存在,攻击者可对Web应用的敏感数据进行非法访问.为了获得准确的访问控制机制,测试用例的准确性和有效性至关重要.然而,现有的测试用例生成方法存在漏报、冗余度高等缺陷.文中根据Web应用程序的访问控制模型,提出一种基于策略推导的测试用例生成方法.此方法从角色和用户两个级别发现对应的授权操作集合,推导Web应用程序的访问控制策略,并利用推导所得访问控制策略生成合法与非法两类测试用例.其中,合法用例用以对推导所得策略的正确性进行验证,非法用例通过违背授权约束生成,用以检测Web应用程序的访问控制漏洞.为了对方法的有效性进行验证,我们设计并实现原型系统ACV-Scanner,并将其运行在开源Web应用上.实验结果表明该方法在能全面检测各种类型的访问控制漏洞的前提下,对测试用例进行了精简,与同类研究对比,减少漏报,提高了效率.

基于微服务的大数据地震平台并行架构的研究

随着地震台站数量的逐渐增多,测震的数据量也越来越多。目前地震行业各个部门之间在海量数据上没有实现数据共享。针对此问题,提出了一种基于微服务的地震平台并行架构,采取微服务,可以分别对每个服务进行负载均衡,这样可以避免高并发而带来的问题,提高系统的整体可用性。现阶段,我国各个省份每天都有众多台站将不同类型的测震数据返回到测震数据平台,然后对这些数据进行算法分析与处理,随着数据量的增加,传统的计算和储存模式已经满足不了现状,因此我们需要对现有的平台进行改进.

GONDOLA型多波束附体对船舶阻力性能的影响

文章采用数值模拟的方法对船舶光体、光体+多波束附体分别进行了模拟计算。收敛后提取典型航速下的自由面兴波图及表面流线图、不同航速下的模型阻力值等,然后对模型阻力进行汇总及实船换算,得出船舶阻力数据表,绘制船舶阻力曲线图。本研究成果很好地说明了数值模拟方法在流场信息表达及船舶阻力预报方面的优势,多波束附体对船舶阻力性能的影响,为船舶快速性设计及多波束附体线型优化提供了依据。

地震大数据流式计算研究

在地震数据处理方面,对数据的实时性要求较高,而且随着地震检测台站的不断增多,地震数据的容量也在不断增加。针对这些特点结合大数据技术,提出一种基于Spark Streaming技术的地震数据流式处理算法。将原始地震数据经过清洗再由数据分发器Kafka传输至Spark大数据计算框架,使用Spark核心api-Spark Streaming进行流式计算,将计算结果实时存入数据库,最后在进行数据实时可视化。

一个网构软件可信实体模型及基于评估的信任度量

对于运行在开放、动态、难控的互联网环境的网构软件,其可信性保障与管理是一个重要课题.目前的研究多是基于信任网络思想的信任度量及演化模型,这种模型对于网构软件来说,在信任的来源、实体间信任关系的约束、信任传递参数的设置方面仍存在着不足.因此,本文引入可信计算中信任链模型的思想,提出了一个网构软件可信智能实体模型,并在此基础上构建了基于评估的信任度量方法.首先通过动态自省、显式自明和自主演化的机制保障了实体本身的可信,建立了信任的基点;并给出了形式化的描述及交互行为的动态监测;然后通过建立Bayes网络综合推荐信任并使用评估方法加以修正,以精确计算信任传递过程中的衰减参数,建立了信任链传递过程中的可信认证机制;最后通过实验验证了所提出方法的正确性.