THE MANAGEMENT AND RESEARCH OF GEOGRAPHICAL NAMES USING GEOGRAPHICAL INFORMATION SYSTEM

Based on the combination of Geographical information system(GIS)with the research ofToponymy,some foundational problems of the Geographical Name Information System(GINS)are discussed in this paper.The present situation of Toponymical research is anal-ysed and the necessity of introducing the GIS tools to the research of Toponymy is demon-strated.The conceptual model of the GNIS and the structure of Geographical name Database(GND)are discussed.The basic functions of the GNIS software for management and re-search of geographical name are suggested.Some issues are stated such as the applicationand potential of the combination of GIS with CAD in the management and research of To-ponymy,the combination of GNIS with other spatial information system and sharing the in-formation with each other,the research and development of GNIS, etc.

基于“十字”标志物的红外图像与三维点云融合方法

红外热成像技术广泛应用于多个领域,建立含有空间和温度信息的三维温度场模型具有十分重要的意义,可以将该技术扩展到更多应用领域.为此,本文提出一种异源空间数据融合方法,融合红外图像和三维点云,得到三维温度场模型.针对红外相机与可见光相机成像原理存在差异,难以通过常用标定板进行内参标定的问题,基于红外相机成像特性设计并制作镂空圆孔标定板用于内参标定,所得内参平均重投影误差为0.03像素.针对红外相机与结构光相机的成像原理不同,现有标志物制作复杂、外参精度低的问题,基于不同材料的辐射度差异,设计制作“十字”标志物并将其用于联合标定.为解决同名特征点难以识别的问题,针对红外图像和三维点云分别设计了同名特征点提取方法,配合“十字”标志物进行同名特征点提取.红外图像和三维点云特征点提取方法的检测重复率分别为75%和92%,与传统方法相比两者的检测重复率均有所提升.利用该方法建立纸杯、工件和人脸的三维温度场模型.实验结果表明,使用镂空圆孔标定板能实现红外相机的内参标定,对“十字”标志物采用同名特征点提取方法能完成红外相机与结构光相机的联合标定.最终所得三维温度场模型的平均重投影误差为1.70像素,与现有方法相比模型精度有所提升.

多校区校园网一体化DNS网络架构研究

高校多校区一体化管理中,校区间人员流动频繁,如何保证学校师生在不同校区获得一致的上网体验成为一个难题。除了加快建设多活数据中心,实现重要信息系统的容灾备份体系之外,网络基础设施服务域名系统(Domain Name System,DNS)的一体化部署也面临新挑战。以河海大学南京校区和常州校区为例,通过多活容灾网络架构等技术手段部署一体化智能DNS服务,有效解决网络拥塞和信息系统访问瓶颈的问题,同时提升DNS管理的便捷性和服务的安全可靠性,对相关应用场景具有一定参考价值。

实名制背景下互联网用户网络分享行为影响因素研究

为提高网络信息真实性和安全性,国家与平台出台一系列实名制政策与措施。然而,实名制也涉及个人隐私泄露和表达受限等问题。文章探究实名制背景下互联网用户网络分享行为影响因素,旨在深刻理解实名制对用户行为的影响,为相关政策制定和实践提供理论支持和实证依据。以互联网用户为研究对象进行访谈,通过扎根理论方法对访谈资料进行三级编码,并构建了实名制背景下互联网用户网络分享行为模型。研究发现用户社交需求、互联网实名制影响用户价值感知、风险感知等因素,从而影响用户网络分享行为,文章根据研究结果提出了互联网实名制推行策略建议。

基于RF-RNN模型的DNS隐蔽信道检测方法

为提高检测隐蔽信道的灵敏度,提出一种基于随机森林(Random Forest,RF)和循环神经网络(Recurrent Neural Network,RNN)的域名系统(Domain Name System,DNS)隐蔽信道检测方法。该方法采用域名检测作为主要手段,使用RF模型对域名进行分类,通过深度学习方法挖掘更高阶的特征表示。实验结果表明,与单一模型相比,该方法在检测准确性和健壮性方面均取得了显著提升。

大运河名称溯源与中国大运河国际话语体系

近年来流行一种说法,“大运河”之名源于1958年淮阴生产的“大运河”牌香烟。这是没有根据的,大运河名称由来已久,多指元代以来形成的京杭大运河。最早称呼“大运河”的是欧美人,几百年来西方人用伟大、雄伟壮丽称呼长城和大运河。我国多称“运河”,晚清民国也开始称呼“大运河”,同时继续称“运河”,也偶尔称“中国大运河”。2013年,国家文物局将“中国大运河”作为遗产名称写入申遗文本,赋予其新的含义。万里长城或长城是中国古代文献的名称,西方话语强调了伟大防御功能,翻译则入乡随俗,沿用了中国传统的名称,体现其线形长度特征。运河是中国古代文献通称,受西方影响,近代以后“大运河”名称渐为中国学术界和社会接受并采用,现在已经成为最常用的名称。直译“大运河”凸显了大运河的博大精深:国家工程、庞大的水运体系和举世无双的体量。

基于深度学习的不良应用域名早期识别方法

不良应用网站依赖域名系统(DNS)实现不良内容传播,严重影响互联网的健康发展。尽早识别出不良应用网站对应的域名(即不良应用域名),并进行相应治理,对域名系统的管理与运行至关重要。本文从国家顶级域名(.CN)管理的角度出发,关注如何在注册阶段识别不良应用域名。分析发现不良应用域名在注册特征与文本结构2个维度,与正常域名存在显著差异。为此,提出了一种基于深度学习的不良应用域名早期识别方法。该方法首先提取域名的注册信息特征,并利用预训练语言模型基于Transformer的双向编码器(BERT)提取域名本身的文本语义特征,其次基于注意力机制融合2类特征,并最终使用全连接神经网络,构建域名分类器,实现不良应用域名的早期识别。基于真实网络数据的实验结果表明,所提方法分类准确率(F1分数)可达到0.99;消融实验结果也验证了所选特征的有效性和必要性。

一种基于联盟管理的高效分布式域名系统

在域名解析系统中,下级域名的命脉被上级域名所掌握,这种中心化的管理为域名解析带来了巨大的风险。以比特币等加密货币为代表的区块链则具有去中心化的特性。随着namecoin的提出,区块链开始被应用在命名系统和域名解析的领域,之后的Blockstack和ENS都提出了去中心化命名系统的解决方案。其中,Namecoin和Blockstack采用了完全去中心化的命名管理方式,产生了域名抢占问题。因此,我们将目光转向了采用小群组投票决定域名增加和删除的联盟化管理方案。在联盟化管理方案中,比如ENS的和超级账本的均存在交易空间太大的问题,在区块链本身存储代价大的背景下,存储效率将变得低下。因此,DNS系统和区块链的结合难度很大,不仅需要保证在多变的域名存储信息中保证存储总量较小,同时还需要针对域名解析实现高效的联盟化管理,这使得至今仍未有一个令人满意的去中心化域名解析系统的解决方案。为此,我们提出了ECMDNS——一个高效的基于联盟化管理的域名解析系统,既考虑到DNS区域文件具有存储量大且变换频繁的特点,又能在完全中心化和完全去中心化之间采取折衷方案,并拥有较高的时空效率及较小的存储总量。我们通过区分链上链下的存储保证在多变的域名信息中保证存储总量较小;通过群组决策投票的方式实现联盟化管理,同时优化了Hyperledger Fabric提出的混合复制模型,将空间存储效率优化到原本的1/16。并且仅需要花费1次分布式副本同步,就可以完成一项由n名成员背书对同一域名背书的事务,并在联盟化管理的基础上实现区块链交易空间性能的高效性,从而实现整体存储效率的高效性。

恶意域名检测方法研究进展

近年来,网络攻击事件愈发严重,域名系统因其简单性和敏捷性而受到攻击者的广泛使用。域名系统可以实现域名与IP地址之间的快速映射,从而可以被攻击者用来隐藏其攻击地址,域名也因此成为网络攻击的主要载体之一。随着恶意域名不断变化的形式以及数量的剧增,迫切需要对恶意域名进行检测和防御,而传统的基于黑白名单的域名检测方法已变得不再有效。基于DNS数据的恶意域名检测方法可以实现对恶意域名的高效检测,因此被广泛提出。本文主要针对基于DNS数据的恶意域名检测方法进行梳理分析,首先简要回顾域名系统的层次结构和解析过程及原理,以及攻击者基于域名系统所产生的一些滥用技术,例如域通量技术和快速通量技术;其次对DNS数据按照收集方式的不同将其分为主动DNS数据和被动DNS数据,并对这两类数据进行优缺点的对比;然后按照检测技术的不同将恶意域名检测方法分为三大类,包括基于规则发现的检测方法、基于动态特征的检测方法和基于关联推理的检测方法,并依次对每一类检测方法按照类型的不同再次进行细分,并对各方法的优缺点、适用场景等进行分析说明;文中对现有检测方法的评估准则进行了划分,将其分为基于分类性能的评估准则和基于真实环境的评估准则;最后讨论了现有研究中存在的问题和未来工作方向。

一种互联网资源标志与寻址技术:Handle System

互联网最基础的资源标志与寻址技术是域名和IP地址,随着互联网资源种类的增加,以及应用的发展,出现了对新一代互联网资源标志与寻址技术的需求。介绍了一种新的互联网资源标志与寻址技术,并将这种技术应用到域名系统中。

基于模糊自然语言处理的铁路CTC接口文本智能测试方法

模糊自然语言处理将模糊理论应用在自然语言处理(NLP)的任务中,随着大模型与人工智能的不断发展,有关文本数据的研究不断深化。铁路调度集中控制(CTC)系统作为大型复杂系统,各子系统、服务器软件间的接口数据均以日志文本格式存储与传输。由于其具有文本数量多、文本类型杂等特点,提出了一种模糊自然语言处理的方法,解决CTC系统接口数据的人工测试难题。模糊C均值(FCM)聚类算法将日志文本分为不同的标签类别,并将其作为NLP任务中命名实体识别的标签输入,在传统BiLSTM-CRF模型上引入BERT进行文本编码,更准确地理解文本之间的关系并提高文本识别的精确度。根据前序训练模型,研发了铁路CTC系统日志文本接口测试的智能验证工具,其可以改善目前CTC系统的人工测试现状,帮助测试人员进行接口测试验证,提升测试工作的智能化、自动化水平。

基于区块链和IPFS 远程医疗的安全方法研究

COVID-19的大规模感染给人民生活造成了不便,比如就医难、医疗学术交流共享不便、医疗资源不平衡,从而衍生远程医疗。目前远程医疗数据仍然以集中式存储、互联网协议(Internet Protocol,IP)传输和签证机构(Certificate Authority,CA)颁发的证书为主,导致数据安全性低、网络通讯延迟和CA维护成本高。本文提出一种SMSSS-CA签名机制、智能合约和私有区块链解决CA维护成本高、医疗数据隐私泄露和安全性低的问题。此外,还提出命名数据网络(Named Data Network,NDN)集成星际文件系统(InterPlanetary File System,IPFS)、联盟区块链和智能合约,用来提高远程会诊时SMSSS-CA签名或验签时获取患者病例和共享会诊信息的响应速度和降低区块链传播开销。实验分别从NS3和NDNSIM两种实验环境对比,结果表明,该方法比现有方案更安全和共享更及时。

递归侧DNS安全研究与分析

因特网用户在访问网络应用前都需要通过DNS进行解析,DNS安全是保障网络正常运行的第1道门户,如果DNS的安全不能得到有效保证,即使网络其他系统安全防护措施级别再高,攻击者也可以通过攻击DNS系统使网络无法正常使用.目前DNS恶性事件仍有上升趋势,DNS攻击检测和防御技术的发展仍不能满足现实需求.从直接服务用户DNS请求的递归解析服务器视角出发,将DNS安全事件通过两种分类方法,全面梳理和总结DNS工作过程中面临的安全问题,包括由攻击或系统漏洞等引起各类安全事件,各类安全事件的具体检测方法,各类防御保护技术.在对各类安全事件、检测和防御保护技术总结的过程中,对相应典型方法的特点进行分析和对比,并对未来DNS安全领域的研究方向进行展望.

新通用顶级域名解析行为分析与恶意域名检测方法

自2013年ICANN发起新通用顶级域名(new gTLD)的授权以来,域名系统(domain name system,DNS)中已增加了上千个new gTLD.已有工作表明new gTLD在为域名注册者带来了灵活性的同时,由于注册成本低等原因也经常被用于恶意行为,识别恶意new gTLD域名具有重要的意义.然而,由于new g TLD域名在域名长度等方面的独有特征,已有恶意域名识别方法应用于new gTLD恶意域名的识别时准确率低.针对这一问题,首先基于海量域名解析数据,从顶级域名对应二级域名(SLD)数量、查询量、查询失败率、内容复制和承载基础设施共享5个方面刻画了new gTLD域名解析行为.然后分析恶意域名的解析行为并发现其在内容承载基础设施集中性、SLD对应的完全限定域名(FQDN)数目、域名查询次数、请求用户网络空间分布、SLD长度分布等方面的特征.最后根据这些特征设计了一种基于随机森林的new g TLD恶意域名检测方法.实验结果表明,所提方法达到了94%的准确率,优于已有恶意域名检测方法.

GB/T 33134-2023等标准在国家域名服务技术平台中的应用

围绕国家域名服务技术平台对安全性、稳定性的需求,遵循公共域名服务系统安全要求、国产商用密码算法等网络安全国家标准,自主研发多项的国家域名注册系统、解析系统等关键系统,全面覆盖域名服务各大领域,有效满足国家域名注册、审核、存储、解析全生命周期在机密性、完整性和可用性等方面的安全需求,显著提升国家域名服务技术平台服务质量,并为多家政府机构及重要新闻媒体提供稳定解析服务。

层次化解析系统中两级节点协同的副本策略

名字解析系统负责存储维护信息中心网络中名字和地址之间的映射关系,并提供名字解析服务。层次化的解析系统因可扩展性良好而备受关注,但解析请求一旦无法就近完成则需要沿其层次化结构进行长距离转发。当只有少数节点存储热门名字映射记录时,长解析时延的问题将更严重。副本策略是提高解析服务性能的重要机制,通常解析节点会向其他节点推送自身存储的映射关系从而扩散副本,但这种策略往往不能精准推送用户最感兴趣的名字,也难以控制副本数目。本文提出一种两级节点协同的副本策略,管理域中的高层级解析节点通过信息收集窗口获知服务范围内用户最感兴趣的名字后,将主动从其他节点请求副本。为底层节点分发副本时,以时延优化的边际收益衡量是否应为每个名字再多放置一个副本,从而自适应地决定不同名字的副本数目和位置。实验结果表明,本文的策略准确捕捉了用户的解析需求偏好,有效地提高了管理域内的解析命中率,解析时延相较于无副本时降低34.1%。

ICN网内解析自适应地址选择方法

在信息中心网络中,名字解析系统负责标识与网络地址之间的映射关系的建立、维护和发布。信息中心网络中内容的多副本特性导致标识到地址的“一对多”的映射关系,带来选择适当解析地址的挑战。网内解析作为一种系统驱动的解析模式,将解析能力内生于可编程网络设备中,不可避免地需要进行选址操作。现有的选址方法不能同时提供网络和服务端负载均衡的保障,传统的直接选择、轮询等策略造成解析链路拥塞或服务端负载不均衡。为解决上述问题,本文提出一种自适应的地址选择方法,充分利用软件定义网络的网络感知和处理能力,综合网络状态信息和地址解析频率信息,同时实现服务端与网络链路的负载均衡。仿真结果证明该方法在负载均衡方面的优越性。提出的算法为未来的研究提供新的方向与思路。

智慧工地建设研究与工程应用

针对智慧工地发展现状进行分析,了解到智慧工地的发展现状,分析了智慧工地的实际应用,提出了切实可行的办法。基于将智慧工地各单一模块进行有机整合,引入人工智能,对人员、环境、物料等各类数据进行统一处理,有效提升了项目精细化管理水平,促进了项目管理安全、质量、进度、费用等目标的实现和优化。

基于自适应超时间隔调整的名字解析加速方法

基于名字解析的信息中心网络(ICN)在支持移动性时,由于终端移动后向名字解析系统注册其标识符和新地址的映射的时间不确定,网络设备需多次向名字解析系统发起解析查询,直到获取移动终端标识符对应的新地址,并将新地址作为目的地址进行数据传输。在网络设备多次向名字解析系统发起解析查询的过程中,需要设计一个合理的解析查询方法,以减少网络设备获取新地址的时延和移动终端的业务中断时延。本文提出一种基于自适应超时间隔调整的名字解析加速方法,该方法利用往返时延(RTT)的指数加权移动平均值自适应地调整超时间隔。实验结果表明,本文提出的方法和采用传输控制协议(TCP)中重传超时的估计方法(RFC6298)自适应地调整超时间隔的方法相比,新地址获取的平均时延减少了约12.48%;本文提出的方法与采用超时间隔为恒定值的方法相比,新地址获取的平均时延减少了约21.92%。

基于CNN-BiGRU的DNS协议中间人攻击检测方法

针对基于DNS协议的中间人攻击检测准确率不高且特征选取不够充分、缺乏显著有效特征的问题,本文提出一种基于卷积神经网络的双向门控循环单元的检测方法CNN-BiGRU,用于检测DNS协议的中间人攻击。该方法首先通过引入关键特征资源记录,通过卷积神经网络提取特征获得中间人攻击流量时间序列信息,最终将组合特征输入双向门控循环单元实现对中间人攻击的检测。该方法在自建Jefe数据集中准确率达99.67%,精确率为99.68%,召回率为99.42%,F1-score为99.47%,能够有效地检测DNS中间人攻击。