雾滴冷却对压气机边界层分离流动的影响研究

采用欧拉-拉格朗日坐标系对喷雾减温过程进行数值研究,研究喷雾条件下NASA stage 35的流场特性,以及雾滴冷却对边界层分离的影响,探究对边界层分离产生的黏性损失。结果表明,喷雾冷却使流场进口质量流量增加和温度降低。雾滴的蒸发使流体组份发生变化,流场的运动黏度增加,导致边界层分离延迟和边界层厚度变薄。在干空气条件下边界层在25%弦长发生分离。喷雾使边界层移动至29%弦长发生分离。尽管雾滴冷却下边界层分离产生的黏性损失增大,但是边界层分离延迟和变薄对叶型损失起主导作用,喷雾冷却工况下叶型损失减小3.68%。

基于Stacking模型融合的勒索软件动态检测算法

针对勒索软件多态变形的特点,动态行为特征分析检测方法被广泛使用,但该方法存在检测特征单一和机器学习算法过拟合的问题。在Stacking模型融合方法的基础上,文章提出一种勒索软件检测算法——XRLStacking。首先,提取出勒索软件的全部原始动态特征并进行去冗余化处理,只保留每个样本调用的API名称、线程编号及顺序编号3类特征;然后,采用融合N-gram与TF-IDF算法去除对分类作用小的特征,以确保每个样本API之间具有有效的调用序列关系;最后,基于Stacking模型融合算法进行分类,以多特征组合来识别勒索软件。基于Cuckoo Sandbox沙盒产生大量真实数据的实验表明,文中算法具有较高的识别准确率,与XGBoost和RF算法相比,该算法能在一定程度上避免过拟合。

流量的集成学习与重采样均衡分类方法

针对传统基于机器学习的流量分类方法中数据不均衡影响分类效果的问题,提出了一种基于重采样的梯度增强树算法。该算法利用流量数据的统计特征,通过回溯搜索策略优化特征集合并设计适用于流量分类的树结构参数,构造最优模型;利用结合重采样的LightGBM算法修正数据不平衡性并进行分类测试。经实验验证,该算法提高了不平衡数据的分类效果,并且具有性能稳定、快速的优点。