用户用电负荷变化的异常检测与识别

在智能电网时代,大部分用电异常行为都会伴随用电负荷的变化,研究用户用电行为对于电力系统的运行和管理都至关重要。为此,提出一种直接利用负荷数据进行计算,通过计算特征用电负荷曲线与日用电负荷曲线之间的相关度来判断用户是否存在异常用电行为的方法。在相关度计算过程中,将欧氏距离与皮尔逊相关系数相结合,以更准确地判断用户的用电负荷是否发生重大变化。此外,为提高判断的准确性和灵活性,采用自适应阈值策略对500组数据进行实验研究。相关度计算的结果表明,其中122组被判断为负荷变化过大,99组数据存在负荷异常事件,该方法的判断准确率达到了81.1%。

基于Web浏览器活动的犯罪分析和证据采集

随着互联网用户日益增长,与互联网相关的犯罪也在逐步增加。越来越多的刑事和民事案件可能基于从用户互联网活动收集证据,因此Web浏览器取证成为了计算机取证的主要部分。犯罪分子使用网络浏览器收集或查询新的犯罪手段信息,以掩盖其犯罪行为。但每当使用网络浏览器时,犯罪分子均会留下痕迹,浏览器历史记录、临时文件、index.dat、Cookies、下载文件、未分配的空间和缓存等,均成为了证据存在的可能线索。文中系统研究了用于Web浏览器分析的主要工具,并通过对比这些工具的性能,分析各自优点与局限性,提出一种犯罪数据收集算法,为提高证据采集效率提供了参考。