基于Bi-LSTM的在线物联网设备识别方法

为了提高在线物联网设备识别准确率和识别粒度,提出一种基于Bi-LSTM的在线物联网设备识别方法,通过探测目标端口获取响应报文,经分词处理后利用二阶段算法模型精准识别设备型号。第一阶段利用TF-IDF算法剔除应用层低权重报文字段,得到应用层指纹,并利用Bi-LSTM神经网络能够捕获长远上下文信息的优点,提取指纹深层次特征识别设备厂商;第二阶段建立型号知识库,采用Jaro-Winkler文本相似度匹配算法识别型号和设备类型,通过设备厂商精准判别设备型号,达到在线物联网设备识别的目的。结果表明:方法整体准确率为98.8%,召回率为96.5%,与传统的流量指纹加机器学习识别方式相比平均准确率高出4.7%,识别设备型号覆盖率达到97%,细化了在线物联网设备识别粒度。该方法有助于同型号物联网设备与漏洞做更精准的关联匹配,在漏洞爆发时及时制定相应的防护措施。

新型电力系统智能化深度安全防御平台构建

为提高“双碳”战略目标背景下的新型电力系统网络安全保障水平,构筑深度有效的网络安全防线,对新型电力系统面临的网络安全新形势进行分析,从常态化安全运营工作需求出发,研究企业现有安全防御体系存在的问题,采用资源整合技术、智能关联分析技术、自动化响应技术、协同防御技术,构建一个集智能防御、动态监测、即时响应与精准预测为一体的智能化深度安全防御平台,实现安全设备集中管控、安全数据智能分析、安全事件自动处置和安全运营协同防御,以此提升新型电力系统的网络抗风险能力、安全感知能力和整体防御能力,以快速、可视、智能的方式应对零日攻击、APT(高级持续性威胁)等复杂多变的网络攻击。

基于ORB的镜头边界检测算法

场景中摄像机移动、对象运动、光亮突变等现象的存在导致现有镜头边界检测算法的顽健性不足,为了有效应对这些变化,提出一种基于ORB的镜头边界检测算法,算法通过计算图像帧之间ORB描述子的匹配程度进行镜头边界检测。在检测过程中使用特征点匹配数和匹配率对镜头边界的特点进行描述,并以相似度曲线描述图像帧之间的关系。实验结果表明,该算法可以有效解决上述问题造成的镜头误检、漏检,同时处理速度也获得了明显提升。

一种结合直接正交信号校正与蒙特卡罗的波长选择方法

在近红外光谱数据分析中,全光谱数据具有波长点多、冗余量大、共线性关系严重的特点,导致了部分波长点对建立校正模型没有积极作用,甚至还会降低模型的预测能力。波长选择被证明是有效避免上述问题的重要方法。针对近红外光谱的特性,提出了一种基于直接正交信号校正(DOSC)与蒙特卡罗方法(Monte Carlo,MC)结合的波长选择算法。与大多数根据波长的“重要性”进行选择的方法不同,MC-DOSC依据波长的“不重要”性进行选择。波长“不重要”性通过DOSC的权重w来度量。首先将w归一化作为波长被滤除的概率,以此建立波长选择的概率模型,并使用蒙特卡罗随机抽样得到N个波长子集的集合。在每一次抽样过程中,用选择的波长点建立PLS模型,计算相应的交叉验证均方根误差(RMSECV)。经过N次随机抽样后,以RMSECV最小时的PLS模型对应的波长子集作为备选子集。将备选子集包含的光谱数据作为新的光谱阵,重复上述过程直到RMSECV不再下降为止。迭代停止后,将RMSECV最小的备选子集作为最佳波长子集。采用玉米数据集和汽油数据集对该算法进行测试,同时与蒙特卡罗无信息变量消除法(MCUVE)、遗传算法(GA)、竞争性自适应权重取样法(CARS)三种算法进行比较。实验结果表明:该算法能大幅度减少波长点个数,并且相应的PLS模型的预测能力也提高了。玉米数据集的实验运行结果,波长点个数从全光谱的700个减少到15个,预测集相关系数从0.8282提高到0.9314,RMSEP从0.1098减少到0.0713。汽油数据集的实验运行结果,波长点个数从全光谱的301个减少到31个,预测集相关系数从0.9875提高到0.9939,RMSEP从0.2555减少到0.1788。该算法在2个数据集中的表现均优于对比的三种算法。

荧光分光光度法测定巴戟天中蒽醌的含量

目的：建立荧光分光光度法测定中药巴戟天中蒽醌含量的方法,并初步比较不同产地巴戟天中蒽醌之间的含量差异性.方法：以丙酮为溶剂,1,8-二羟基蒽醌为对照品,在最大激发波长为425 nm,发射波长为513 nm处测定对照品及样品溶液的荧光强度.结果：在247.5~2970μg/L范围内,1,8-二羟基蒽醌溶液浓度与荧光强度呈现良好的线性关系（r=0.9995）;不同产地巴戟天的游离蒽醌含量范围为29.26~69.95μg/g,结合蒽醌含量为3714.59~5830.39μg/g.结论：荧光分光光度法测定巴戟天中蒽醌的含量,方法可靠、重复性好;不同产地巴戟天中游离蒽醌、结合蒽醌的含量有一定差异.

吉尔认知负荷模式对大学英语听力能力培养的启示

论文从吉尔的认知负荷模式出发,探讨大学英语课程中听力部分学习的问题和现状,提出希望借用口译训练法中的相关部分,对听力课堂教学及学生自我训练有所启发和帮助,进一步促进大学英语听力的教学。

浅析小学数学与多媒体的有效整合策略

在时代的快速发展下,现代技术与教育教学的融合已成为主旋律。一直以来,数学都是培养学生空间观念、逻辑思维及运算能力的主要科目,是学生认识世界、探究世界的基石。多媒体是现代技术的一大重要构成,通过基于多媒体实现与小学数学课程的有机整合,达到进一步激发学生学习兴趣,提高学生知识汲取效益的根本目的。基于此,本文结合多媒体技术的功能及优势,就小学数学教学与多媒体的有效整合展开具体讨论。

“产出导向法”促成环节的实践探索——以大学英语口译课为例

促成环节作为“产出导向法”的重点,具体实施对教师是一大挑战,也直接影响着最后的产出效果。针对大学英语口译课课时少、任务多、学生实践少的问题,本文运用“产出导向法”理论,通过对一个单元的口译课堂促成环节进行实践,探索如何在有限的课堂教学时间内从语言、技能和文化三个方面搭建脚手架设置相关子任务,从而有效地帮助学生吸收语言知识和技能,提高口译能力。

口译技能训练对大学英语四级听力考试的启示

近年来,随着对口译研究的深入,有不少研究者开始探讨将口译训练方法运用到大学英语教学中。而在最新的大学英语四六级改革方案中,听力部分的难度的增加和考试题型的变化对原本听力能力就较低的学生来说更为艰难。本文通过分析新四级考试听力样题中学生听力得分低的原因,讨论相应的口译训练法对提高听力的现实指导。

阿尔茨海默病信号通路研究进展及对策研究

阿尔茨海默病(Alzheimer’s disease,AD)是一种特征为记忆力和认知功能渐进性丧失的神经退行性疾病。研究发现,AD的致病机制与信号通路的转导有关。本文结合国内外文献就AD相关的信号通路在致病机制的作用进行综述及对策研究分析,旨在为AD的治疗和抗AD新药研发提供新思路。

山楂抗氧化活性成分及作用机制研究进展

氧化应激与某些疾病的发生发展密切相关,因此寻找有效的抗氧化物质并阐明其作用机制具有重要作用。山楂具有明显的抗氧化作用,其抗氧化活性主要与调节体内抗氧化酶活性和清除体内自由基有关。本文综述了近年来山楂抗氧化活性成分及其作用机制的研究进展,以期为山楂抗氧化应激活性的深入研究及其相关产品的开发应用提供依据。

改进的卷积神经网络在行人检测中的应用

针对当前行人检测方法计算量大,行人特征提取复杂,检测结果易受复杂背景影响等问题,提出一种改进的卷积神经网络(convolutional neural network,CNN)模型。该模型在传统CNN基础上加入选择性注意层,模拟人眼的选择性注意功能,过滤复杂背景,突出行人特征。分别采用LBP(local binary pattern)纹理处理和梯度处理对选择性注意层进行训练,对比训练结果得到最优模型。分别在INRIA、NICTA和Daimler行人数据集上进行实验,结果表明,该模型在行人检测中准确率明显优于传统CNN、HOG+SVM、Haar+SVM、PCA+SVM,在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%。

基于最大相关熵准则的鲁棒度量学习算法

度量亦称距离函数,是度量空间中满足特定条件的特殊函数,一般用来反映数据间存在的一些重要距离关系.而距离对于各种分类聚类问题影响很大,因此度量学习对于这类机器学习问题有重要影响.受到现实存在的各种噪声影响,已有的各种度量学习算法在处理各种分类问题时,往往出现分类准确率较低以及分类准确率波动大的问题.针对该问题,本文提出一种基于最大相关熵准则的鲁棒度量学习算法.最大相关熵准则的核心在于高斯核函数,本文将其引入到度量学习中,通过构建以高斯核函数为核心的损失函数,利用梯度下降法进行优化,反复测试调整参数,最后得到输出的度量矩阵.通过这样的方法学习到的度量矩阵将有更好的鲁棒性,在处理受噪声影响的各种分类问题时,将有效地提高分类准确率.本文将在一些常用机器学习数据集(UCI)还有人脸数据集上进行验证实验.

数字化转型中新型电力系统典型信息安全威胁及对策分析

在当前国家能源安全新战略、数字化转型和双碳目标的背景下,南方电网正在加快数字电网的建设,加速构建以新能源为主体的新型电力系统“南网样本”。随着各类先进的网络技术、数字技术、自控技术、通信技术和信息交互技术在南方电网的深度应用,新型电力系统日趋开放和互联,必然面临更多的攻击和威胁,信息安全不容忽视。本文结合电力系统数字化转型的进程和趋势,对新型电力系统面临的典型信息安全问题进行了分析和研判,并提出了对策建议,旨在为新形势下南方电网安全防护工作的开展提供指导和参考。

大数据背景下数据治理的网络安全策略

在我国社会经济和科学技术不断发展的背景下,大数据时代的到来为现代人们的生活方式和工作带来了极大的便利,成为我国重要的资源。随着资源共享理念的开展,越来越多的人热切关注大数据背景下数据治理的网络安全问题。本文旨在分析大数据背景下存在的网络安全问题,并对问题进行分析,结合当前大数据网络环境提出针对性的安全策略,以提高当前计算机网络信息的安全水平。

卷积神经网络在车辆识别中的应用

针对现有车辆识别方法计算量大,提取特征复杂等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的车辆识别方法。构建卷积神经网络模型,分别使用不同的卷积核、网络层数、特征图数对网络进行训练;通过100次迭代的学习结果得到最优模型,提取隐含层所有特征,并结合支持向量机进行识别;系统分析了不同参数对测试正确率和样本均方误差的影响。实验结果显示,CNN+SVM在车辆识别中的准确率明显优于传统CNN、PCA+SVM、HOG+SVM、Wavelet+SVM,正确率为97.00%,分析了样本识别错误的原因以及今后需要改进的地方,为以后的研究指明了方向。

关于完善通信建设项目管理策略的探讨

进入21世纪以来,我国的经济实力、科技实力都有了较大程度的提升,再加上互联网技术和无线传输技术的推广,我国的通信建设工程不论是规模还是科技含量都有一定的改善。本文从通信建设项目管理的重要性入手,分析通信项目管理中出现的问题,并且就如何完善通信建设项目管理进行探讨。

肝内周围型胆管细胞癌的螺旋CT诊断

目的:探讨肝内周围型胆管细胞癌的临床、病理及螺旋CT表现特征,提高肝内周围型胆管细胞癌的CT诊断准确率。方法:回顾性分析经病理证实的17例肝内周围型胆管细胞癌的螺旋CT表现。结果:17例肝内周围型胆管细胞癌,肿瘤位于左叶9例,右叶5例,左右叶同时累及3例;肿瘤大小2.5cm×3.0cm^9cm×11cm,其中15例肿块直径大于5cm;肿瘤形态呈分叶状、片状或不规则状12例,类圆形5例;肿瘤边缘清楚4例,13例边缘不清。螺旋CT特征为:病灶以低密度为主的不规则肿块,内可见囊性更低密度区;病灶以边缘轻至中度强化为主,出现特征性的从周边到中心的向心性强化、延迟强化,呈“慢进慢出”表现;病灶周围肝内胆管轻度扩张;局部肝萎缩,肝包膜凹陷征。结论:肝内周围型胆管细胞癌的CT表现有一定的特征性,对于与肝内其它常见病变的鉴别诊断有重要价值。

川渝冬季降水的年际变化及其与海温异常的关系

为了认识川渝冬季降水与海温之间的关系,利用川渝地区44个站点降水资料和海表温度资料并借助EOF分解、小波分析和相关分析等方法,讨论了川渝冬季年际降水变化特征及其与前期海温异常之间的关系。结果表明:川渝冬季年际降水空间分布主要有3个类型,EOF1型为川渝冬季降水的一致偏多(偏少),EOF2型为川渝西南部、东部降水偏少(偏多),而川渝地区西北部、中部降水偏多(偏少);EOF3型为川渝西南部降水偏多(偏少),而东北部降水偏少(偏多);EOF1型和EOF2型降水与前期海温的相关明显小于EOF3型并较为分散,EOF3型降水与前期夏季、秋季海温在热带中、东太平洋和印度洋中、北部呈现非常显著的正相关,对应ENSO特征非常明显。

基于区块链的软件定义网络数据帧安全验证机制

为构建安全高效的网络环境,必须对伪造、受篡改数据帧进行有效的识别与过滤。然而,在软件定义网络(SDN)中,现有的安全验证机制通常在验证设备受到攻击或恶意控制时无法有效运行。为解决上述问题,提出了基于区块链的SDN数据帧安全验证机制。首先,设计帧转发证明(PoFF)共识算法并以此为基础建立轻量型区块链系统;然后,基于该系统构建针对SDN数据帧的安全验证体系;最后,提出可灵活调节的半随机选择验证模式以兼顾验证效率与资源开销。仿真结果表明,在同等比例的交换机被恶意控制情况下,所提机制的漏检概率较基于哈希链的验证机制有明显降低。其中,当受控交换机占比为40%时,降低效果尤其显著:此时所提机制在基本验证模式下的漏检概率低于32%,在辅助以半随机验证后可进一步降到7%,均远低于基于哈希链的验证机制72%的漏检概率;且所提机制引入的资源开销与通信代价在合理范围内。此外,即使在SDN控制器完全失效情况下,所提机制仍可保持良好的验证性能与效率。