EBound：一种高效的空间内存错误检测方法

空间内存错误是C语言程序中经常出现的一种漏洞。针对目前空间内存错误检测方法的性能开销高的问题,提出一种高效的空间内存错误检测方法 EBound。EBound使用动态指针边界检测方法检测程序中的空间内存错误,并使用静态污点分析方法来消除不必要的指针边界检查,从而降低了性能开销。EBound基于LLVM编译器实现,不需要对程序源代码进行修改。实验结果表明,EBound可以有效地防御利用空间内存错误进行的缓冲区溢出攻击。与当前比较好的空间内存错误检测方法 Soft Bound相比,EBound有更低的性能开销。

ICFF:一种IaaS模式下的云取证框架

分析了云取证技术所面临的挑战,提出了一种基础设施即服务(IaaS)云模型下的取证框架ICFF,并在开源IaaS云平台Eucalyptus中进行了实现,最后通过实验的方法对ICFF进行了验证分析。实验结果表明,该框架能够有效并快速地获取云平台中的证据数据。

基于ANSYS的倾斜微型桩支护边坡稳定分析

采用有限元软件ANSYS,应用强度折减法原理,对不同倾角微型桩加固边坡进行数值分析,计算了天然边坡稳定系数以及竖直、倾斜微型桩加固边坡后的稳定系数,进而对采用倾斜微型桩加固边坡的稳定性进行评价。计算结果表明,天然边坡的稳定系数为1.04,而竖直桩加固边坡的稳定系数为1.17,采用倾斜角度不同的微型桩加固边坡后的边坡稳定系数与竖直桩相比,都有不同程度的提高,当微型桩倾斜角度从10°增加到60°时,边坡的稳定系数从1.22增加到1.65,边坡稳定性有明显提高,达到了边坡加固的效果。

倾斜微型桩桩身参数敏感性有限元分析

基于有限元强度折减法，结合工程实例，利用软件ANSYS对不同倾角微型桩加固边坡以及倾斜微型桩的设桩位置、锚固深度和桩排距等桩身参数对边坡稳定性的影响进行了数值模拟分析。结果表明：微型桩加固边坡较优的倾斜角度为60。；随着设桩位置离坡顶距离的增加，边坡的稳定系数先增大后减小，当设桩位置距坡顶的相对位置为0．58～O．66，边坡的稳定系数较高；当桩排距为9倍桩径，边坡的稳定系数较高。研究结果为倾斜微型桩的设计与工程应用提供了理论依据，具有一定的普遍意义。

基于Windows FAT32的数据恢复原理分析及算法研究

数据恢复是保障数据安全的最后一道防线,但目前对数据恢复算法的研究较少。本文对WindwsFAT32文件系统下数据恢复的原理做了详细的分析,并在此基础上提出了两种数据恢复的算法,一种是基于数据簇连续分配的恢复算法,另一种是基于数据簇非连续分配的恢复算法。并比较分析了这两种算法,得出基于数据簇非连续分配的恢复算法具有恢复成功率高且易于实现的优点。该算法的提出有利于开发恢复成功率高的数据恢复软件。

春厂坝抽水蓄能电站职业健康与生态环境保护的探究

春厂坝抽水蓄能电站是国家重点研发计划项目的示范工程,电站投运对于提升可再生能源利用率,建设清洁低碳、安全高效的现代能源体系具有重要的现实价值和战略意义。项目地处深山峡谷、居民区和交通要道等人员密集区,备受社会各界高度关注,其环保高压的政策形势不容忽视。在统筹推进工程建设中,面临给排水、扬尘、噪声、电弧光及固体废弃物等污染源影响。笔者根据多年扎根竖井式抽水蓄能电站施工建设对现场职业健康与生态环境保护工作深入实践,全面分析了抽水蓄能电站的建设施工职业健康与生态环境保护的各种诱因,并详细制定了应对措施。

数字式调速器在春厂坝变速恒频抽蓄电站的应用

在国家重点研发计划春厂坝全功率变速恒频抽水蓄能机组投运之前,我国一直没有可变速机组使用的调速器。本文主要介绍了春厂坝变速恒频抽蓄机组使用的北京中水科YCVT30000-16数字式调速器的组成、特点、运行方式。

国有企业资产评估管理问题与优化策略阐释

从整体上来看,我国国有企业资产评估管理是国有出资人履行管理职能的过程,也是实施国有企业评估工作监管的重要环节。时代变革背景下,国有企业也面临着产业结构改革以及布局调整,现阶段,国有企业在资本市场的参与行为以及手段不断提升,因此加强资产管理便成为国有企业发展的重要内容。现代化发展背景下,我国的管理研究体系已经较为完善,但在实际过程中还存在一系列的问题。基于此,本文对国有企业资产评估的意义进行介绍,并对其中存在的问题进行相应分析,提出对应的优化策略,希望可以为业内人士提供一些帮助。

基于IPv6校园环境车辆行驶行为建模与分析

通过搭建基于IPv6的分布式数据采集系统,开发移动Android智能终端传感器数据采集设备,对校园环境内的车辆行驶数据进行采集,通过校园AP提供的IPv6无线网络进行数据交互,构建车辆行驶行为数据库.对比分析移动智能设备在车辆行驶中各传感器数据特征,选择陀螺仪的三轴数据作为采集目标;结合MultiWave过滤器算法,对数据噪声进行降噪处理;并抽取目标传感器数据的八项统计特征作为最终输入,通过机器学习算法构建的分类器对车辆行驶行为(左右转向、左右变道和掉头)进行分类.研究结果表明:基于决策树(J48)的分类器总体识别准确度最高,可达96%以上.