Survey on quantitative evaluations of moving target defense

Quantitative evaluations are of great importance in network security decision-making.In recent years,moving target defense(MTD)has appeared to be a promising defense approach that blocks asymmetrical advantage of attackers and favors the defender-notwithstanding,it has a limited deployment due to its uncertain efficiency and effectiveness in defense.In that case,quantitative metrics and evaluations of MTD are essential to prove its capability and impulse its further research.This article presents a comprehensive survey on state-of-the-art quantitative evaluations.First,taxonomy of MTD techniques is stated according to the software stack model.Then,a concrete review and comparison on existing quantitative evaluations of MTD is presented.Finally,notice-worthy open issues regarding this topic are proposed along with the conclusions of previous studies.

面向电力生产精细化风险解译的高度相似防护工具智能检测技术研究

电力生产通常面临高低电压、强弱电流等复杂工作环境转换,不同作业场景有严格的防护工具使用标准,因此,研究生产作业过程防护工具的精细辨识对保障人员安全及电网安全意义重大。已有研究可实现安全帽、工作服等基础着装类检测,而实际生产中存在大量形态高度相似的实体防护工具,如绝缘手套与线手套、绝缘杆与验电杆等。为此,该文提出一种基于深度代表性度量学习的相似防护工具智能检测方法。将目标类别特征学习转换为以差异化表达不同目标特征距离为目的的嵌入式空间特征学习,得到表征不同目标的深度代表性特征向量,通过计算未知目标与代表性特征向量的距离进行类别判断,最后以现场图像进行试验验证。试验结果表明:所提方法实现了对形态相似防护工具的特征差异表达和精准辨识,相比于常见目标检测模型具有更优越的辨识性能,从而提高电力生产安全风险辨识的精细化水平。

特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

基于改进YOLOv7的SAR图像舰船目标检测方法

为了解决SAR图像舰船目标检测的现有主流算法中图像模糊、缺乏纹理特征而导致的目标检测精度低和小目标检测难度大等问题,同时考虑不引入过多参数量以免影响网络实时性,提出了一种基于坐标注意力机制和NWD度量的改进YOLOv7的SAR图像舰船目标检测方法。首先,该方法在坐标注意力机制中引入了最大池化和残差结构,以提高模型特征提取能力;其次,将密集连接和轻量化卷积相结合,设计了SPPCSPC-P模块,以增强特征间的融合;另外,在主干网络中增加了小目标检测层,以改善模型对小目标检测精度低的问题;最后,利用NWD度量和CIoU损失设计了加权定位损失函数,进一步提高了模型检测精度。利用SSDD数据集进行实验,实验结果表明,所提方法的平均精度达到了98.38%,高于YOLOv7网络2.09个百分点。

基于SE-Hardnet网络的无人机图像目标匹配算法

针对无人机对目标进行匹配定位过程中,面临图像旋转变化及视角尺寸过小导致的图像特征提取困难等问题,提出了一种融合候选区域检测与SE-Hardnet特征提取网络的无人机目标图像匹配算法。通过Edge Boxes算法检测候选区域,结合SE-Hardnet网络进行特征提取,实现了目标图像的精确匹配。实验结果表明,所提算法在图像发生角度、尺寸变化时,具有更高的匹配正确率和鲁棒性,在近距离条件下图片数据集中的匹配正确率比现阶段图像匹配算法高8%~11%。为无人机目标定位提供了一种可行和有效的手段。

地物物理量的度量模型及其应用

对地物物理量的度量是获得地物相关信息的重要手段,它是制作地图的依据和信息源泉。基于比较法的地物物理量的度量模型,由度量对象ai、度量基准i0、度量单位Bi和度量结果 Qi构成。地物的某一物理性质i∈ai,存在度量基准i0,i到i0的距离函数d(i,i0)包含度量单位Bi的数量即度量结果 Qi。通过对测绘学中的直角坐标、高程、水深、地物的时间坐标(寿命)、质量、温度、卫星激光测距等方面的应用,阐释了地物物理量的度量模型的实用价值和科学解释功能。

红外目标识别图像复杂度度量方法综述

红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化,而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义,对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析,提出了度量方法选择的依据,指出了现有度量方法的缺点和不足,并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展。

目标跟踪滤波性能的评价准则

针对单目标跟踪滤波性能评价标准,分析研究均方根误差、误差适配百分比、和方根误差、带有理论边界的状态误差、带有理论边界的新息序列、归一化估计误差平方和具有理论边界的归一化信息平方.针对多目标跟踪滤波性能评价标准,分析研究圆丢失概率、Hausdorff距离、Was-serstein距离和最优子模型分配距离.并讨论跟踪滤波算法时间复杂度的度量方法.

基于干涉图幅度和相位联合的双通道SAR地面慢动目标检测方法

提出了一种基于涉图幅度和相位联合的双通道合成孔径雷达(SAR,Synthetic Aperture Radar)地面慢动目标检测方法。在干涉图幅度、相位统计特性分析基础上,充分利用动目标像素点和杂波干扰之间的散射特性差异,通过对干涉图相位进行函数变换,并联合干涉图幅度得到了一种新的动目标检测量,由该检测量并结合邻域平均处理可以较容易地实现动目标的快速精确检测。仿真实验表明:所提检测算法与经典的DPCA(Displaced Phase Center Antenna)、ATI(Along Track Interferometry)方法相比,具有杂波和噪声抑制能力强、稳健性高、适用范围广、可检测速度范围大、检测率高、虚警率低等特点,证明了算法的有效性。

前视红外图像质量评价指标研究

实时图像质量严重影响景象匹配性能,但目前尚无通用可行的评价标准来衡量其质量,而且不同匹配算法对各种图像特征的敏感性有差异,需要根据算法对图像质量评价问题展开分类研究。文中首先给出了图像质量评价的工作方式,然后从成像质量和目标凸显程度两个方面进行指标分析,提出了包括信噪比、模糊度、目标局部凸显程度和全局凸显程度在内的指标体系。实验表明,各指标与匹配性能之间具有单调一致关系。

利用人眼视觉特性的图像结构差异性杂波度量

针对光电图像杂波效应对目标获取性能的影响,提出一种基于人眼视觉特性的图像结构差异性杂波度量。依据人眼对图像结构的高度自适应性以及图像质量评估领域广泛认可的图像结构的定义方法,计算目标和杂波的结构相似性;并根据人眼的视觉显著性原理,给出两种适用于结构相似性的显著性加权信息度量。采用外场实验对该杂波度量的合理性进行验证,得出基于该杂波度量的目标预测性能与外场目标获取性能,在均方根误差、相关性方面都优于现有的杂波度量的预测性能。

一种基于结构相似度的杂波尺度

为定量研究光电场景杂波,提出了一种新的杂波尺度.首先建立目标结构特征空间,将背景矢量向之投影,通过衡量投影矢量的归一化长度评价背景与目标的相似度,实现对杂波的定量度量.与以往的杂波度量方法相比,该尺度通过强调空间分布特征,剥离灰度分布影响,有效抑制环境因素变化对杂波评估稳定性的影响,同时通过以目标作为参照物,降低对背景描述的要求,使对不同场景的杂波度量有很好的适应性.实验数据分析表明,该杂波尺度能较好地预测目标与背景在结构上的相似程度以及结构相似度随距离的变化关系.

涂层隐身目标毫米波辐射传递特性研究

针对毫米波被动探测涂层隐身目标技术的研究,分析了涂层隐身目标被动探测的机理与毫米波被动探测辐射传播方式,给出了涂层隐身目标毫米波被动辐射传递方程新的求解方法。并对覆盖双层隐身目标板,给出3mm被动辐射计探测的实验测试数据,画出双层隐身目标板辐射特性分布图,由此分析了双层隐身目标板的毫米波被动探测的辐射特性与被动探测技术原理。

基于空间分布特征的阵群目标数据关联算法

在低数据率条件下,对监视区域内的每个目标进行有效分析是非常困难的。针对该问题,将阵群目标作为研究对象,并给出了一种基于空间分布特征的阵群目标数据关联算法。首先,在近邻点集聚合的基础上,从传感器给出的单目标观测集合中提取出阵群目标观测(简称阵群观测);其次,按照自顶向下的方式逐次计算各个阵群观测不同子集空间分布的距离度量,并以此为基础计算阵群观测之间的关联度量;最后,通过在关联代价矩阵上应用二维分配算法得到不同时刻各个阵群观测之间的对应关系。仿真结果证实了该算法的有效性。

基于权值改进D-S理论的对空目标识别融合

针对传统证据理论证据高冲突性问题,提出了一种基于权值改进型Dempster-Shafer(DS)理论的对空目标识别方法。在研究D-S证据理论数学模型基础上,依据泛函距离空间理论,更新计算各个传感器的信度函数可靠性权值,对各个传感器的基本概率赋值函数进行修正,最后利用D-S合成公式对各个传感器进行融合判决。仿真结果证明了该方法的有效性。

SAR图像阴影区域分割技术及其评估准则

提出了一种阈值化技术与形态学方法相结合的SAR图像阴影区分割方法。该方法首先通过寻找图像平均强度最小的子区域对阴影区域进行初始分割,之后进行图像翻转、阈值化处理,最后利用形态学处理消除虚假像素,进行简单的连通性滤波,实现阴影区的自动分割。给出了3种图像分割评价准则,并基于计算机仿真和图像分割评价准则验证了该阴影区分割方法的有效性。

空战多目标模糊聚类算法研究

针对传统多机多目标攻击不易解算攻击任务分配,且计算量大的问题,提出基于划分的多目标模糊聚类算法,该算法根据目标属性的相似性进行多目标分类,可以有效地降低多目标任务分配解算维数,减少运算量,提高解算速度。采用FCM算法以及改进FCM算法度量方式构成的其他各个不同算法,建立空战多目标模糊聚类数学模型,对两组不同数据进行仿真分析,得到不同情况下的各算法的优劣性及适用性。

融合多特征的天基典型目标光学识别方法

为满足天基近距离目标高精度探测和识别的需求,提出一种多特征融合的卫星局部识别方法.首先分析卫星局部物理特征,构建了融合形态学多特征参量的局部构件分形聚类参数集,并建立基于聚类特征加权组合的构件聚类模型.利用该模型即可实现通过计算待识别目标隶属于各构件类的匹配性概率来识别目标;在此基础上,针对空间目标光学成像的图像降质、局部遮挡等问题,提出了目标识别算法,并以其在实际应用中的识别概率为依据,结合粒子群算法迭代优化加权系数,提高了识别算法效率与鲁棒性;最后利用4类典型卫星及伽利略卫星缩比模型对识别算法进行了数字仿真和半物理实验验证.实验结果表明,在低对比度、SNR仅为5,且构件存在较严重变形与互遮挡的情况下,算法仍能有效识别卫星构件,识别概率优于0.95.

基于人工-真实样本度量学习的指针式仪表检测方法

为缓解指针式仪表检测精度对样本数量的严重依赖,有效提升少样本情况下指针式仪表的检测精度,提出了基于人工-真实样本度量学习的指针式仪表检测方法。通过对指针式仪表结构进行统计分析,提取其显著特征进行建模,用以生成所需要的人工基准样本,弥补真实场景下指针式仪表数据缺乏的问题;结合度量学习的特性,以Faster R-CNN为基线模型,引入特征相似性度量模块,从低维特征向量空间降低或消除人工基准样本和真实样本之间的分布差异,并加强特征提取网络对指针式仪表显著特征的学习。实验证明,较基线模型,基于人工-真实样本度量学习的指针式仪表检测方法AP^(75)提升了22.14%,有效提高了少样本情况下指针式仪表检测的精度。

背景区域对统计匹配滤波探测器性能的影响

介绍2种典型的统计匹配滤波器算法:自适应一致性估计(ACE)与约束能量最小化(CEM)。实验选取3种不同的背景区域(全景、除去目标的全景及部分均质场景)并计算其协方差,利用受试者工作特性(ROC)曲线中给定虚警概率下的检出概率(DR@FAR)和平均检出概率(ADR)指标,比较分析了背景区域变化对ACE与CEM算法目标探测性能的影响。