基于改进多矢量选择的永磁同步电机鲁棒模型预测定子磁链控制

针对永磁同步电机(permanent magnet synchronous motor,PMSM)传统模型预测磁链控制(model predictive control,MPFC)系统稳态误差大、参数鲁棒性较差的问题,提出了一种基于定子磁链预测误差矢量分析的永磁同步电机多电压矢量选择方法。首先,在两相静止坐标系下依据轴线划分扇区,制定了判断磁链误差矢量所在区域的多电压矢量选择标准。然后,采用定子磁链预测值和两相静止坐标系定子磁链价值函数计算各电压矢量作用时间,改进了传统模型预测寻优过程。此外,设计了一种考虑电阻、电感参数失配的离散滑模定子磁链观测器,进一步提升了系统的参数鲁棒性。最后,通过仿真和实验验证了本文所提预测定子磁链控制方法的有效性和可行性,系统在参数失配情况下仍具有良好的稳态性能,显著减小了定子磁链与电磁转矩脉动。

面向车联网的群组密钥管理机制

基于车联网的特点,提出一种基于树的轻量级群组密钥管理机制(lightweight tree group key management mechanism, LTGKM),实现了车联网中组播和广播通信的安全性.LTGKM采用层次化方式进行群组密钥的生成、分发和更新;各个管理节点采用HMAC函数作为密钥导出函数生成对应群组密钥,并基于加密认证算法将群组密钥层层分发到叶子节点;密钥更新时新加入节点由父节点生成新的群组密钥并分发给新节点,其余节点自行更新群组密钥;用户离开时非叶子节点自行更新群组密钥,叶子节点由自己父节点分发新的群组密钥.安全性分析表明,LTGKM实现了群组密钥生成和更新的随机性、前向安全和后向安全、密钥分发的机密性、完整性和不可否认性.性能分析实验结果表明,LTGKM在存储、计算和通信开销等方面都具有明显优势.

基于卷积神经网络的加密流量分类方法

针对传统加密网络流量分类方法准确率较低、泛用性不强、易侵犯隐私等问题,提出了一种基于卷积神经网络的加密流量分类方法,避免依赖原始流量数据,防止过度拟合特定应用程序的字节结构。针对网络流量的数据包大小和到达时间信息,设计了一种将原始流量转换为二维图片的方法,直方图中每个单元格代表到达相应时间间隔的具有相应大小数据包的数量,不依赖数据包有效载荷,避免了侵犯隐私;针对LeNet-5卷积神经网络模型进行了优化以提高分类精度,嵌入Inception模块进行多维特征提取并进行特征融合,使用1*1卷积来控制输出的特征维度;使用平均池化层和卷积层替代全连接层,提高计算速度且避免过拟合;使用对象检测任务中的滑动窗口方法,将每个网络单向流划分为大小相等的块,确保单个会话中训练集中的块和测试集中的块没有重叠,扩充了数据集样本。在ISCX数据集上的分类实验结果显示,针对应用流量分类任务,准确率达到了95%以上。对比实验结果表明,训练集和测试集类型不同时,传统分类方法出现了显著的精度下降乃至失效,而所提方法的准确率依然达到了89.2%,证明了所提方法普适于加密流量与非加密流量。进行的所有实验均基于不平衡数据集,如果对数据集进行平衡化处理,准确率可能会进一步提高。

《密码学》教学中的思政教育探索

根据密码学在专业培养中的地位和作用,以及密码学的教学目标和教学内容,将整个教学内容分成8大模块。根据不同模块的教学内容挖掘思政元素,开发思政教学案例,分别从爱党爱国教育、红色传统革命教育、辩证唯物主义、科学素养四个方面对学生进行思政教育。结合不同密码科技发展历史,加强对学生的科学素养和专业精神的培养,提高学生自豪感、荣誉感,激发学生学习的兴趣。