Countermeasures for Establishing a Long-term Security Mechanism for Landless Farmers

In the process of urbanization,farmers will inevitably lose their land,which is resulted from the large-scale requisition of rural collective land.The imperfect social security system in rural areas has resulted in a large number of landless farmers being transformed into urban poor people.Therefore,proper resettlement of landless farmers and the establishment of a long-term security mechanism for ensuring the basic livelihood of landless farmers are important issues that need to be resolved in the process of China’s social and economic development.

Strategic Analysis on Objectives of National Grain Security

Price of global agricultural products rises with great fluctuation. China's food price also increases constantly. This leads to high concern of both at home and abroad for food and grain security. On the basis of making an overall analysis on current situation of grain security and making judgment on future grain security in China,this paper analyzed objectives,strategies and policies of national grain security in the new period. Finally,it came up with strategies and policy recommendations for improving agricultural production and guaranteeing national grain security.

基于LSTM-DT模型的低碳工业互联网网络安全态势平台

低碳工业互联网网络安全态势平台的网络拓扑结构具有一定的限制性,导致节点之间的通信受到约束,使得平台吞吐量较小,无法满足相应的吞吐量需求。为此,提出基于长短时记忆-决策树(Long Short-Term Memory-DecisionTree,LSTM-DT)模型的低碳工业互联网网络安全态势平台设计研究。将GF-PR6K可编程控制面板作为硬件装置;利用长短期记忆网络,在记忆当前时刻低碳工业互联网网络状态信息的基础上,在下一时刻有选择地传递或遗忘低碳工业互联网网络的隐藏状态,最大限度降低低碳工业互联网网络安全态势分析阶段的冗余计算量,利用DT对低碳工业互联网网络状态序列信息进行综合。在测试结果中,设计平台吞吐量不仅呈现出了随着测试互联网网络构成及规模的增加逐渐增大的特点,且对应的涨幅明显,当节点之间通信距离由15 m增加至50 m时,对应的吞吐量增幅仅为1.00 kb。

基于GAN-LSTM的APT攻击检测

高级持续性威胁(Advanced Persistent Threat,APT)带来的危害日趋严重。传统的APT检测方法针对的攻击模式比较单一,处理的APT攻击的时间跨度相对较短,没有完全体现出APT攻击的时间序列性,因此当攻击数据样本较少、攻击持续时间较长时准确率很低。为了解决这个问题,文中提出了基于生成式对抗网络(Generative Adversarial Netwokrs,GAN)和长短期记忆网络(Long Short-term Memory,LSTM)的APT攻击检测方法。一方面,基于GAN模拟生成攻击数据,为判别模型生成大量攻击样本,从而提升模型的准确率;另一方面,基于LSTM模型的记忆单元和门结构保证了APT攻击序列中存在相关性且时间间距较大的序列片段之间的特征记忆。利用Keras开源框架进行模型的构建与训练,以准确率、误报率、ROC曲线等技术指标,对攻击数据生成和APT攻击序列检测分别进行对比实验分析。通过生成式模型生成模拟攻击数据进而优化判别式模型,使得原有判别模型的准确率提升了2.84%,与基于循环神经网络(Recurrent Neural Network,RNN)的APT攻击序列检测方法相比,文中方法在检测准确率上提高了0.99个百分点。实验结果充分说明了基于GAN-LSTM的APT攻击检测算法可以通过引入生成式模型来提升样本容量,从而提高判别模型的准确率并减少误报率;同时,相较于其他时序结构,利用LSTM模型检测APT攻击序列有更好的准确率和更低的误报率,从而验证了所提方法的可行性和有效性。

基于IPSO-BiLSTM的网络安全态势预测

针对复杂的网络安全态势预测问题,为了提高预测的收敛速度和预测精度,提出了一种基于改进粒子群优化双向长短期记忆(IPSO-BiLSTM)网络的网络安全态势预测模型。首先,针对所用数据集没有真实态势值的问题,采用了一种基于攻击影响的态势值计算方法,用于态势预测。其次,针对粒子群(PSO)算法易陷入局部最优值、搜索能力不均衡等问题,对惯性权重和加速因子进行改进,改进后的粒子群(IPSO)算法的全局和局部搜索能力平衡,收敛速度更快。最后,使用IPSO优化双向长短期记忆(BiLSTM)网络参数,提升预测能力。实验结果表明,IPSO-BiLSTM的拟合程度可达0.9946,其拟合效果和收敛速度均优于其他模型。

基于NAWL-ILSTM的网络安全态势预测方法

安全态势是网络安全预警的前提。各种复杂网络环境中的网络攻击行为给网络带来了意想不到的挑战,导致网络负载增加和网络故障等突发网络安全事件随时都会发生。因此,针对网络安全态势时间序列的不确定性、非线性等特点,为了提高网络安全态势预测的精度,提出了基于改进Nadam和改进长短期记忆网络(NAWL-ILSTM)的网络安全态势预测方法。首先,利用一种在线更新机制改进长短期记忆网络(LSTM)以建立态势时间序列预测模型,它可以实时地对接收到的在线观测数据进行参数更新,使代价函数最小化,从而解决了传统LSTM网络模型不能合理地利用网络系统在线传送数据的问题,在优化参数更新的同时也大大提高了LSTM模型的预测精度;然后,针对神经网络训练过程中收敛速度较慢和训练成本较高的问题,采用Look-ahead方法对Nesterov加速梯度的自适应估计动量算法(Nadam)的更新公式进行改进,以加快模型的收敛速度,从而加快了ILSTM预测模型的训练速度,减少了训练的时间和成本。基于Python在tensorflow环境下进行仿真实验,结果验证了所提的基于在线更新机制的LSTM预测模型的合理性,通过收敛性分析和算法对比得出了NAWL算法具有更快的收敛速度的结论。最后,与其他预测模型的对比结果表明了NAWL-ILSTM预测模型在态势时间序列分析中具有更强的适用性和更高的准确性。

LTE-Advanced传输安全研究

作为ITU于2010年10月通过的4G标准之一,LTE-Advanced是3GPP长期演进标准的增强版,该文给出了3GPPLTE-Advanced标准化时间表和关键性能,分析了LTE-Advanced的功能平面,归纳了LTE-Advanced的传输安全架构,即X2星形和X2网状安全架构。

社会保障支出能促进中国经济增长吗?——来自1989-2015年全口径社会保障支出数据的实证分析

随着社会保障项目在财政支出中份额的上升,其在经济增长中的重要性越来越大。运用VECM模型对中国全口径社会保障支出的经济增长影响进行实证分析,发现在现阶段社会保障支出的经济增长功能显著为正,并且在未来一段时间内将继续保持。尽管中国的社会保障支出水平尚处于低位,但面临着支出增长速度快、老龄化严峻以及发展不均衡等诸多问题,适度普惠并且与经济发展相协调的动态平衡有助于社会保障制度的健康运行。

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题,提出一种基于时域卷积网络(temporal convolution network,TCN)和双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络的预测方法。首先,将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征;随后,引入注意力机制动态调整属性的权值;然后,利用BiLSTM模型学习态势值的前后状况,以提取序列中更多的信息进行预测;利用粒子群优化(particle swarm optimization,PSO)算法进行超参数寻优,提升预测能力。实验结果表明,所提预测方法的拟合度可达0.9995,其拟合效果和收敛速度均优于其他模型。

基于LSTM-GMM模型的大风多级预警方法

为保障大风场景下的高铁运行安全,针对风的强随机特性提出一种基于长短期记忆网络和高斯混合模型的多级预警(LSTM-GMM-MELW)方法。首先,通过长短期记忆网络和高斯混合模型(LSTM-GMM)建立风速误差值与风速预测值的联合概率密度,以此确定风速预测值的概率密度;然后,通过多级预警方法计算风速预测值落在高铁限速风速区间的概率值并结合实际情况设置不同阈值,当得到超出阈值的概率时输出阈值对应的预警等级;最后,采用预测区间的覆盖概率、平均宽度和覆盖宽度评价LSTM-GMM方法的概率性预测结果,而采用预警准确率评价多级预警方法的预警效果。依托平潭海峡公铁两用大桥29个风速样本进行实例分析,结果表明:95%置信度下的预测区间的覆盖概率为96%,平均宽度为1.51;第1、第2级别的预警准确率分别高于85%和93%,预警准确率达到100%的风速样本达14个,总体预警准确率高。该方法能有效避免风速在限速分界线附近波动时的误报。

外空安全与环境治理:进展、挑战与机遇

随着人类航天活动的迅猛发展,外空环境日益复杂无序,外空安全的威胁显著上升,外层空间长期可持续性面临严重挑战。本文全面介绍了外空安全面临的最新态势,系统分析了空间碎片数量逐年增多、低轨大规模星座迅猛部署、新型航天活动快速喷发、外空资源争夺日趋激烈、外空军事化愈演愈烈等对外空安全和外空长期可持续的冲击。本文指出,从外空命运共同体、国家空间资产安全、航天强国建设出发,外空环境治理是大势所趋和唯一出路,孕育着航天技术创新、产业革命、法规建制等重大机遇。基于国情提出了我国对策和发展建议。

长期护理保险制度建立后的残疾人照护保障体系研究

经历了多年试点之后,长期护理保险制度将在全国普遍实施,其保障对象应当是包括残疾人在内的全体社会成员,这就要求重新谋划残疾人照护保障体系。事实上,评残标准中的“残疾”与长期护理保险中的“失能”内涵有所区别,面向残疾人的照护服务内容与面向失能人员的护理服务内容也有所不同,而且残疾人及其家庭对照护服务费用的支付能力更弱,因而残疾人比一般社会成员有更多的照护保障需求。据此,需要对全社会的照护保障体系作出整体性安排。残疾人照护保障体系可以由两项制度构成:一是与其他社会成员一起参加长期护理保险,政府财政予以一定的保费补助;二是建立残疾人照护服务补助制度,由财政资金解决长期护理保险制度未能解决的那部分照护服务费用。现阶段的重点:一是将残疾人纳入长期护理保险保障范围;二是适度增加财政对残疾人照护保障的投入;三是创新残疾人照护服务供给机制;四是提高照护保障及相关服务的专业化水平。

长期护理保险的制度定位与模式选择

2016年以来,长期护理保险试点城市(地区)已扩大到49个并取得了长足发展,各试点地区因地制宜出现了诸多制度创新,但也存在明显的政策碎片化现象。本文着重讨论了长期护理保险制度碎片化现象较为明显的四个问题,包括享受待遇的目标人群、服务方式的供给结构、服务项目的侧重比例、两大制度板块的覆盖边界等;着重分析了模式选择的四个不同做法,包括运行模式、保障模式、筹资模式、经办模式等,并逐一提出相应的政策建议。根据“摸着石头过河与顶层设计相结合”的方法论,本文认为,应尽快结束试点,进入顶层设计阶段,以减少沉没成本;根据不同国家建立长期护理保险的时间节点,我国建立长期护理保险制度充分体现了“尽力而为、量力而行”的基本原则,是推进中国式现代化和实现共同富裕的重要举措;根据人口老龄化发展趋势,建议以2035年为界进行“两阶段推进”,以期平稳过渡到全国一盘棋的统一制度。

探析构建科教融合学院档案管理大厦的“四梁八柱”

本文通过文献和问卷调研等形式了解当前学术界对科教融合学院档案管理研究现状,从科教融合学院档案管理为出发点,结合科研院所与科教融合学院建设实际特殊情况,对科研院所与科教融合学院这种地方法人单元的关系问题进行理清,明确科教融合学院档案管理当前的瓶颈,急需科研院所和学院层面关注并解决的实际问题。本文提出从科教融合学院档案治理、利用、资源、安全等四个维度体系建设构建起科教融合学院档案管理大厦。

中央政策试验的差异化模式及其选择逻辑——基于两项社会政策的案例研究

政策试验是中国社会政策建立及发展的重要机制。政策试验具有多种类型,但中央政府准备开展政策试验时,如何对此前地方自主试验的政策进行评估并考量以何种方式在全国范围内进行试点推广,已有研究对此讨论不足。论文依据政策试验及政策学习理论建立分析框架,通过对城镇职工基本医疗保险和长期护理保险这两项社会政策试点过程的回顾,从“创制紧迫性”和“政策工具确定性”两个维度,分析中央政府在开展试点过程中如何进行政策试验的模式选择。在“创制紧迫性”和“政策工具确定性”都较高的情况下,政策试验项目会采用政策目标和政策工具均比较明确的“由点至面验证型”的“金字塔模式”,而在上述两者都较低的情况下,政策试验项目会采用政策工具比较模糊的“多点试验探索型”的“木桶模式”。论文阐释了中央政府进行试点方案的选择机制,细化了社会政策试验策略选择中的评议标准,展示了政府在社会政策学习中的多元学习源及学习渠道。论文通过论证梳理了中国政策试验中纵向政府间的复杂互动关系,进一步深化了对于中央政府在政策试验中行动逻辑的理解。

中国长期护理保险的制度建构逻辑与法制进路

长期护理社会保险是为了化解老年人等的护理需求这一新型社会风险而建立的制度。此风险具有二重属性,既对个人的生活、健康等造成风险,也给其家庭成员带来成本负担。风险的二重属性决定了制度建构的两个层面:第一个层面是为护理需求者获得符合人性尊严之基本生活状态而提供支持,促进个人生活能力;第二个层面是使其家庭成员免受重大负担或损失,提升家庭护理能力。为了实现这两个层面的目标,制度建构应从单一的“保护被保险人权利”转向“保护被保险人兼顾支持家庭”的二阶结构。在筹资上,应区分年龄段设置不同的参保对象,建立多元筹资机制。在给付上,除了将重度失能、失智被保险人作为给付对象之外,还应为承担护理责任的家庭成员提供经济补偿、护理休假及服务支持等支持性给付。

基于改进ConvLSTM的入侵检测方法

针对网络入侵检测模型泛化能力弱的问题,提出了一种基于权重丢弃的卷积化长短期记忆网络(WDConvLSTM)和梯度惩罚生成对抗网络(WGAN-GP)的入侵检测方法。在数据处理方面,对网络流量数据进行归一化和数值化后使用主成分分析法进行数据降维。在特征提取方面,利用所提WD-ConvLSTM挖掘出高维数据深层的空间特征。最后把挖掘出来的空间特征输入Softmax函数得到分类结果。为了缓解数据不平衡导致的过拟合问题,引入WGAN-GP对稀有类型数据进行过采样,进一步增强模型的泛化能力。在NSL-KDD数据集上对所提出的入侵检测方法进行了实验,结果表明,无论是与随机森林、支持向量机、贝叶斯等传统机器学习方法,还是与降噪自编码器、多尺度卷积神经网络等深度学习方法相比,所提出的方法在准确率、F1值上表现更好。

瑞典长期护理保障制度发展状况及启示

目的:研究瑞典长期护理保障制度,为我国长期护理保障制度的建立和发展提供些许经验借鉴。方法:根据瑞典政府的政策文件、统计局数据资料,追溯瑞典长期护理保障体系的发展历程,重点梳理其筹资来源、待遇给付和护理服务内容、经办管理机制。结果:瑞典长期护理保障制度不但实现了全民覆盖,而且服务内容覆盖全面,从居家环境、护理辅助设施、社区服务中心、交通服务、家庭非正式服务提供者、机构护理等方面都提供了良好的资金支持和政策依据,为制度的稳定、持续实施提供了基础。结论:建议我国适时建立独立的、惠及全民的长期护理保障制度,明晰个人及家庭主体责任,尽快开展长期照护师的培训培养,增加护理服务供给能力,强化服务机构管理,提升护理服务质量,建立自上而下的经办管理机制。

基于改进长短期记忆网络的新能源场站网络安全评估方法研究

为了解决新能源大规模并网造成现有新能源场站网络安全防护体系无法满足网络异常监测和告警需求的问题,提出一种基于改进长短期记忆网络的新能源场站网络安全评估方法。首先,根据新能源场站网络系统架构,分析网络安全发生原因;其次,基于随机森林算法求解新能源场站网络流量的基尼系数,进而求出网络流量所有特征的重要系数,选出重要特征;最后,将重要特征输入长短期记忆网络中,利用注意力机制自适应分配数据的时间和特征,加强对网络流量中重要时间和特征的重视,进而提高模型对网络安全评估的准确性。试验结果表明,该方法能够准确评估新能源场站网络安全状态,与支持向量机、卷积神经网络、传统长短期记忆网络相比,评估准确率分别提升了12.65%、9.34%、8.79%,提升了新能源电力系统的网络安全状态感知、评价和告警能力。

一种面向中长期交易数据安全校核的方法设计

为解决中长期交易安全校核由于规模较大、混合整数变量较多而导致的计算效率偏低问题,设计了一种基于分布式计算的中长期交易安全校核方法。在深入分析该计算方法基本概念与实施要点的基础上,提出了基于粒子群算法的分布式计算方法。通过拆分中长期交易安全校核模型中开停状态的整数变量,即将原有的大规模混合整数规划问题拆分为相互独立的多个子问题,从而实现了原问题的并行计算。在某电网实际数据上构造的算例表明,在确保计算可信度的前提下,分布式计算方法可有效提升中长期交易安全校核的计算效率。且所提方法的计算耗时仅为38 s,显著优于对比方法。