基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法,通过当前已观察到的链路,预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法,相比基于规则的启发式方法,前者可有效利用网络拓扑结构信息,较大地提升了网络链路预测性能,并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法,仅利用网络中节点相对位置信息,忽视了节点基本属性和链路的邻居信息,且无法区分不同节点对链路形成的重要程度.为此,本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征,丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图,然后将其转化为对应的线图,线图中的节点和原图中的链路一一对应,从而将原图节点和链路信息融合到线图的节点中,提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重,增强了特征融合的灵活性.实验表明,本文所提出的方法,在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时,预测性能保持80%以上,且均优于现有最新方法。

基于灰度图像转化的时间型隐蔽信道检测方法

时间型网络隐蔽信道是一种隐蔽性极高的信息泄露方式.其作为APT攻击的主要通信手段,对网络安全产生了极大威胁.目前针对隐蔽信道的检测方法通用性不足、误检率高,且人工提取流量特征耗时耗力.本文提出了一种基于灰度图像转化的检测方法.该方法将报文到达时间间隔归一化,转换成像素值,再将其转为灰度图像,由此把一维序列分类问题转成二维图像分类问题.本文使用卷积神经网络自动获取图像特征,并利用卷积块注意力模块,从空间与通道两个维度进行特征自适应优化.本文用合法流量和隐蔽信道流量组成的数据集训练网络,所得到的二分类模型用于判别被检测流量是否为时间型隐蔽信道流量.最后将提出的方法与现有的4种检测方法做对比.实验结果表明,本文方法具有更高的精确率和召回率,所得模型的通用性更好且误检率更低.

TiC陶瓷颗粒对CoCrNi合金耐腐蚀性能的影响

TiC陶瓷颗粒能改变中/高熵合金的组织结构,起到细晶强化的效果,进而改善其力学性能。为了解其在腐蚀介质中的应用潜力,以真空电弧熔炼法制备了不同TiC含量的铸态CoCrNi(TiC)x(x=0,0.1,0.2,0.4)合金。通过显微组织表征和电化学测试研究了TiC陶瓷颗粒对CoCrNi合金的耐腐蚀性能的影响。结果表明:在3.5%NaCl溶液中,CoCrNi(TiC)x合金表面形成了较为稳定和致密的钝化膜。少量TiC陶瓷颗粒的添加可以提高CoCrNi合金的抗点蚀能力,进而提高其耐腐蚀性,但当TiC的添加量超出其在CoCrNi合金中的最大溶解度时,TiC块状析出相的存在会降低合金的耐腐蚀性,合金的主要腐蚀类型由点蚀转变为局部腐蚀。

公共数字文化服务需求调查

公共数字文化服务是政府主导实施的以满足民众基本文化需求的公共服务。文章以问卷调查方式调查民众对公共数字文化服务的认知、需求、使用、满意度等,发现民众需求是公共数字文化发展的内在动力;分析公共数字文化建设存在的问题,提出相应建议。

基于博弈论和迪杰斯特拉算法的大型建筑逃生方案研究

随着社会发展,公共安全受到人们的广泛关注。本文针对具有参观性质的大型复杂建筑,以卢浮宫为例,全面分析建筑物内的人群分布和流动特点,给出了基于博弈论的人群行为分析和基于迪杰斯特拉算法的MSTS模型以制定人群疏散的路线。最后本文将该模型应用于卢浮宫,计算出游客的逃生时间,验证了模型的可行性。