卷柏(Selaginella tamariscina)含有丰富的黄酮类成分,以双黄酮为主。利用AB-8大孔树脂对脂溶性成分的吸附作用和聚酰胺树脂对黄酮类成分吸附和解吸的特点,将二者串联对卷柏提取物进行分离纯化,建立垫状卷柏总黄酮(Total flavonoids of ...卷柏(Selaginella tamariscina)含有丰富的黄酮类成分,以双黄酮为主。利用AB-8大孔树脂对脂溶性成分的吸附作用和聚酰胺树脂对黄酮类成分吸附和解吸的特点,将二者串联对卷柏提取物进行分离纯化,建立垫状卷柏总黄酮(Total flavonoids of selaginella pulvinata,TFSP)提取纯化工艺。采用紫外分光光度法测定TFSP含量,并通过MTT法,检测TFSP对神经细胞过氧化氢损伤的保护与修复作用。结果表明,垫状卷柏提取物先通过AB-8大孔树脂吸附脂溶性成分,再经聚酰胺吸附和解吸卷柏总黄酮,在聚酰胺树脂上样量1∶2(卷柏与树脂的体积比)、80%乙醇洗脱5∶1(洗脱液与聚酰胺柱的体积比)等最佳纯化工艺条件下,TFSP的平均含量达81.4%,工艺过程科学合理、简便易行。将TFSP与SH-SY5Y细胞共孵育,可显著减轻神经细胞被过氧化氢损伤的程度,并对已经受损的细胞具有明显的修复作用。TFSP具有为神经退行性疾病开发治疗药物的潜力。展开更多
随着云计算的快速发展及其普及,企业的传统数据安全边界被打破,出现云资产管理混乱、越权、误操作等现象,对用户的信息安全产生巨大威胁。基于此,对目前云计算环境下身份认证和访问管理(identity and access management,IAM)的安全问题...随着云计算的快速发展及其普及,企业的传统数据安全边界被打破,出现云资产管理混乱、越权、误操作等现象,对用户的信息安全产生巨大威胁。基于此,对目前云计算环境下身份认证和访问管理(identity and access management,IAM)的安全问题进行研究,提出结合内生安全思想,采取拟态防御手段构建出一种具有内生安全效应的拟态身份认证和访问管理(mimicry identity and access management,MIAM)体系架构方案,并对其进行详细描述。将该方案分别进行稳定性测试、系统性能测试以及系统安全性评估,实验数据表明,该方案具有可行性和安全性。展开更多
由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel c...由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination,CC)-数据对齐(euclidean space data alignment,EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network,MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明:该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展作出了贡献。展开更多
文摘随着云计算的快速发展及其普及,企业的传统数据安全边界被打破,出现云资产管理混乱、越权、误操作等现象,对用户的信息安全产生巨大威胁。基于此,对目前云计算环境下身份认证和访问管理(identity and access management,IAM)的安全问题进行研究,提出结合内生安全思想,采取拟态防御手段构建出一种具有内生安全效应的拟态身份认证和访问管理(mimicry identity and access management,MIAM)体系架构方案,并对其进行详细描述。将该方案分别进行稳定性测试、系统性能测试以及系统安全性评估,实验数据表明,该方案具有可行性和安全性。
文摘由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination,CC)-数据对齐(euclidean space data alignment,EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network,MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明:该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展作出了贡献。