广义确定性标识网络

随着智能制造、智能交通等重大国家战略实施,确定性成为信息网络尤其是行业专网的新焦点.现有确定性网络技术始终关注网络传输要素(带宽、时隙等)来保障数据流的确定性传输.然而,仅靠保障传输要素无法支撑新兴行业应用的多样化需求.例如,在算网融合场景,智算任务要求同时保障传输与计算要素的确定性来实现高性能通信;在绿色通信场景,需要考虑节点能量要素的确定性以维持网络稳定运行.针对上述需求,本文基于前期提出的标识网络技术,研究面向传输、计算、存储、能量等多要素的广义确定性网络.首先提出广义确定性标识网络架构,包括差异化服务层、异构融合网络层和智慧化适配层.差异化服务层和异构融合网络层,分别实现差异化确定性应用需求和异构化确定性网络要素的统一标识和描述,并通过标识解析映射实现确定性信息向智慧化适配层的统一封装和传递;智慧化适配层完成差异化确定性应用需求和异构化确定性网络要素的适配.现有确定性资源适配方法,即使仅考虑单一网络内的基本确定性要素,仍面临计算时间长、求解复杂性高、灵活度低等问题,为了支持更加复杂的多确定性要素、多种异构网络的协同适配,设计了基于深度强化学习的端到端的确定性调度(End-to-end Deterministic resource scheduling,E2eDet)算法,该算法可统一化、端到端地为混合数据流协同分配多种确定性网络资源,满足不同应用的差异化确定性需求.实验表明,E2eDet比DeepCQF和Random算法分别提升了28.4%和6.38倍数据流调度数量,同时E2eDet可以较好地权衡计算时间和调度能力.

融合CNN-BiGRU和注意力机制的网络入侵检测模型

为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性.

基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。

基于GIS的公交换乘网络构建及可达性分析

为了提高公交换乘效率、优化公交系统,基于GIS软件构建公交换乘网络,运用该网络对换乘可达性进行了测度和分析.结合Space-P模型和网络分析法,以拉萨市城关区为研究区域,基于公交线路路径、站点、交叉口等基本信息构建同站换乘子网络.结合公交站点服务范围、步行通道路径、交叉口等信息构建异站换乘子网络.二者协同实现了基于ArcGIS的公交换乘网络构建,并依据该网络对公交线路的乘客在车时间和换乘系数进行测度和分析.结果表明:构建的换乘网络能够对乘客在车时间进行良好的测度,乘客在车时间最大值为68.68 min,最小值为2.00 min,乘客换乘在车时间平均值为29.90 min.该换乘网络能够对换乘系数进行良好的测度,得到有效换乘线路90 300条,换乘系数最大为4条(线路为62条),最小为0条(线路为1 354条).采用可达性度量模型,可实现对公交站点时间可达性和换乘可达性的良好测度和分析.

网络微短剧的兴起与规范化发展

近年来,微短剧的发展呈现数量级增长趋势,成为不少年轻人追捧的“电子榨菜”。然而,快节奏、小成本、低门槛的微短剧在火爆流行的同时也存在内容质量良莠不齐、扭曲个人和社会价值观、损害艺术创作生态、影响国家形象等问题。推动微短剧健康可持续发展,需植根于网络信息内容生态治理,从政府端到平台端到行业端,推动多方主体协同发力,加强政府治理、平台治理与行业自治,通过多元共治规范网络信息内容生态建设,让微短剧引领新时代新风尚,成为人们雅俗共赏、喜闻乐见的网上精神产品。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

网络空间国际治理中国方案的形成、遵循与路径

网络空间国际治理是一个全球性议题。当前的网络空间国际治理充斥着美国霸权主义,国际社会对网络空间国际治理亦未形成共识。为此,中国创造性地举办世界互联网大会,并在此基础上成立世界互联网大会国际组织。世界互联网大会向世界贡献了网络空间国际治理的中国方案:坚持尊重网络主权、维护和平安全、促进开放合作、构建良好秩序四项原则,把握科学方法,采取打造网上文化交流平台、推动制定各方普遍接受的网络空间规则、加强全球信息基础设施建设和保护、培养网络空间国际治理领域的复合型专业人才等措施,保证网络空间国际治理的中国方案发挥实际效益。

中国拐卖儿童犯罪活动网络时空演变及形成机制——基于寻亲成功案例的分析

拐卖儿童犯罪活动屡禁不绝,给家庭和社会带来诸多负效应,打击拐卖儿童犯罪活动对人类社会可持续发展和国家权益保障意义重大。以“宝贝回家”公益平台数据资料为研究样本,借助GIS空间分析与社会网络分析方法,探讨中国拐卖儿童犯罪活动网络时空演变与形成机制。结果表明:(1)在时序演变上,1978—2020年中国拐卖儿童犯罪活动呈现“中段高发、两端低发”的倒V形态势,于1989年达到峰值后逐步回落。(2)在网络拓扑上,拐卖儿童犯罪活动网络总体规模先增后降,网络结构日趋疏松、联系强度与通达性降低,网络核心由豫、闽等中东部地区向川、黔等西南地区转移,买方、卖方市场分化显著。(3)在空间演化上,犯罪活动集中于胡焕庸线东南部,拐卖男童南方高于北方;犯罪活动空间分布格局重心转移显著,拐出高值区趋向于西南地区,拐入高值区多为中东部地区;贩运路径由“数地高发”转向“全国频发”后逐渐萎缩,跨省与省内贩运现象并存;犯罪网络形成了4个以滇-粤-桂-冀贩运社团为主导的犯罪社团,内部联系紧密,呈现地理邻近性与跳跃性并存的区位特征。(4)在形成机制上,网络节点、网络联系、网络社团3个层面对拐卖儿童犯罪活动的影响逐级递进,且受多因素影响,具有波动性、阶段性和地域性特征。

基于多尺度特征深度神经网络的不同产地山楂细粒度图像识别

中药是中医治疗疾病的主要途径,也是我国中医药事业传承与创新发展的物质基础,其真伪优劣也会直接影响中医临床的疗效,因此研究科学合理且高效的中药材质量检测方法符合当前行业热点.山楂作为中国著名的药食两用类药材,在烹饪和治疗中具有保护心血管、降低血压的作用,被广泛应用;但由于自然环境与栽培条件的不同,不同产地的山楂易被混淆从而对品质产生影响.尽管化学、生物鉴定的方法广泛而重要,但专业门槛高,耗时较长;且传统图像处理方法容易受外在环境因素干扰,可靠性差.因此亟待研究快速准确的方法以实现山楂产地的精准鉴别;受CoAtNet与Swin-Transformer网络启发,本文结合MBConv模块中深度可分离卷积网络对局部信息建模的特点与Swin Transformer模块多层次结构可弥补网络非局部性损失的特性,提出一种多尺度特征的混合神经网络模型,通过获取图像不同层级特征,将获取的形状、颜色与纹理等浅层特征作为先验知识与高层级语义信息进行特征融合,研究了一种快速有效的识别方法以实现对不同产地山楂的有效鉴别;此外,本文提出一种新的局部空间注意力机制,通过形成通道注意力模块联合空间注意力模块的新结构,实现对图像细粒度特征的聚焦与学习.实验结果表明,本文所提出的方法有最高的鉴别准确率为89.306%,优于其他基线模型.实践证明,本文的研究提高中药材鉴别的科技水平,拓宽传统中医药的研究思路.

基于Valued ERGMs模型的核心技术网络成长机制研究——以量子计算领域为例

对核心技术网络及其成长机制的研究有助于梳理核心技术之间的依赖和促进关系,为研究核心技术演化提供新的理论视角和方法。以技术演化相关理论为基础,归纳核心技术网络成长的影响因素,基于量子计算领域专利数据,识别以技术概念和技术关系为基础的量子计算领域核心技术网络,并基于Valued ERGMs模型构建核心技术网络成长机制模型。结果表明,技术要素中心性、专利技术研发能力、与TRIZ进化法则匹配程度以及技术要素同配性对核心技术网络成长具有正向促进作用;在技术路径方面,核心技术网络成长受到技术要素路径依赖性和技术突破的双重影响。最后,根据量子计算领域核心技术网络成长机制的实证研究结果,从技术研发层面、企业层面、政府层面为相关领域技术发展提出策略建议。

服务定制网络体系架构的设计与思考

系统性阐述了服务定制网络(SCN)新型网络架构,可为互联网应用提供一种全新的网络底层能力与使用方式。在TCP/IP网络架构中,网络为应用提供“尽力而为”的服务质量,而SCN架构转换了应用与网络两者之间的主客体关系,允许应用“按需定制”网络的服务质量。以应用视角出发,挖掘了“可声明”“细粒度”“端到端”三大能力内涵,由此推演了SCN的总体设计思路,并给出了一种具象的SCN体系架构和一种可行的SCN系统实现。SCN未来可应用于远程工控、增强现实等人机物全场景,为网络即服务(NaaS)的实现提供一种新颖、实用、理想的手段。

网络刑法的发展回溯与理论供源

传统刑法体系遭遇网络犯罪形态后频现应答疲态,预防性立法由此显身,开启由网络犯罪策动刑法转型的号角,但网络刑法的理论根基尚不稳。网络刑法的演进是网络社会发展与网络犯罪迸发共同作用下真实的渐显;网络空间社会思维是网络刑法的建构基石,衍生丰富的刑法学意义。网络安全秩序价值的相对优位与网络自由的并重、网络安全法益的统领地位与刑法任务变更、预防性理念的内在觉醒与审慎运行,是网络刑法的根基之本,框定网络刑法的发展脉络。刑法知识迁移是渐进的,网络犯罪、网络归责、网络制裁堪当生成网络刑法知识范畴的参照性“母版”,未来可创设网络刑法典以实现知识结构的创造性立法固化。

融合改进自编码器和残差网络的入侵检测模型

互联网中存在大量隐私数据,因此防止网络入侵成为保护网络安全的关键问题。为提高网络入侵检测的准确率并解决其收敛慢问题,设计一种改进的堆叠自动编码器和残差网络(ISAE-ResNet)入侵检测模型。融合栈式自编码器和残差网络,首先将预处理后的数据输入到改进的栈式自编码器中,该栈式自编码器由2个副编码器和1个主编码器组成,数据经过副编码器和主编码器训练后重构出新的特征来防止过拟合问题;然后将解码层的权重捆绑到编码层进行优化,使模型参数减半来进行降维,提高模型的收敛速度;最后将处理过的数据输入到改进的残差网络中,并基于改进的ResNet网络设计一种加入软阈值函数的残差模块,通过降低数据中的噪声来提高模型准确率。在CIC-IDS-2017数据集上的实验结果表明,该模型准确率为98.67%,真正例率为95.93%,误报率为0.37%,损失函数值快速收敛至0.042,在准确率、真正例率、误报率和收敛速度方面均超过对比入侵检测模型,具有较高的有效性和可行性。

面向智算融合网络的自主防御范式研究

随着数字经济时代算力供给模式的变革,以算力为核心的新型网络基础设施已成为实现算力资源共享、支撑数字经济转型的重要动力.在算力网络中,多元异构用户终端通过多种方式高频接入网络以随时随地获取算力服务,网络的开放性和动态性增大,算力网络将面临更严峻的安全挑战.然而,基于传统网络的安全防御模式通常针对具体安全问题静态式增补安全防护组件,无法主动适配用户需求灵活调整防御策略,难以应对算力网络中的安全风险.因此,本文面向新型算力网络安全需求,将安全功能作为网络内部属性,基于智算融合网络提出一种多维协同自主防御范式.结合智算融合网络“三层”“三域”的设计思想,在“三层”中,以广义服务层定义安全固有服务,以映射适配层智慧适配安全功能,以融合组件层执行安全策略;在“三域”中,以实体域先导资源适配,以知识域驱动安全服务流程,以感控域实施具体安全技术,构建“检测”“溯源”“防御”三维一体的完整基础管控流程,其中安全策略与技术可根据场景扩展性与业务安全性进行灵活调整.最终,通过仿真实验对所提范式有效性进行了验证,为未来智算融合安全的进一步研究和应用提供参考.

云原生驱动的大规模终端网络设计优化和应用实践

终端网络是互联网的重要组成部分,它连接骨干网络和终端网络,对用户体验的影响最为直接.随着5G/6G、物联网等技术的发展,终端网络的性能需求不断提升,承载着诸如智慧城市和工业互联网等新兴应用,是推动社会数字化转型的重要基础设施,是未来网络演进不可忽视的重要研究对象.清华大学李振华教授团队通过分析终端网络中存在的用户困惑和技术鸿沟问题,从“可用性、可靠性、可信性”三个关键维度进行研究,提出云原生强化设计的理念,实现终端网络大规模的测量分析与设计优化,并在多个工业系统中取得了良好的应用效果.文章突出从用户视角出发的设计思想,对提升网络终端的可用性、可靠性与安全性做出了系统性的探索,主要包括以下三个核心点:1)针对终端网络带给用户的主要困惑,从网速、断连、安全和代际角度全面分析,阐述克服经典设计模式潜在缺陷的研究动力,通过剖析大规模工业终端网络在多样化使用场景下的性能落差问题,总结动机、场景、资源和知识方面的研发鸿沟,为克服现存技术挑战指明解决方向.

半定量信息工业控制异构网络安全评估

工业控制系统的异构性及其与互联网深度融合给工控系统安全评估带来精度不高等诸多问题.本文提出一种基于半定量信息的工业异构网络安全态势评估模型,该模型可以提高评估精度,解决难以描述不确定性信息和难以契合工控异构网络复杂结构等现存问题.该方法将工业控制网络划分为不同异构子网,根据子网特点选取有针对性的评估属性,并使用性能优秀的ER规则对不同类型的评估属性进行融合,可以有效利用定性知识和定量数据,获得更加准确的评估结果.在多个实际工业控制网络数据集上进行评估实验得到的结果表明:本文提出的模型与网络安全评估实际参考值的均方根误差值比RF、BP、SVM模型分别降低了80.2%、40.8%和87.7%,验证了该模型的有效性和准确性.

适用于区域建筑群实时震害模拟的LSTM-FC组合深度网络模型研究

建筑物破坏在地震灾害中往往会导致巨大损失,对城市建筑群进行灾前灾时的震害预测具有重要意义。传统BP(back propagation)网络和CNN(convolutional neural networks)网络等人工智能方法在进行震害预测时多集中于提取建筑物信息。然而,这些方法在处理地震波的时序数据方面有所不足,导致其在整合和分析对地震灾害预测至关重要的时序相关因素时效果有限。因此,本文提出一种耦合LSTM(long short-term memory)和FC(fully connected)神经网络的震害预测方法。LSTM网络擅长处理具有时间序列特性的地震波信息,能够捕捉和分析随时间变化的地震波动模式。同时,全连接网络可用于综合分析所有相关的震害因子。通过对云浮地区265栋典型钢混建筑进行指标量化并确定输入指标(震害影响因子)和输出指标(震害指数),利用LSTM-FC组合深度网络、CNN网络和BP网络模型对数据进行训练并优化。通过将LSTM-FC网络模型的预测结果与弹塑性时程分析比较,发现该模型在拟合效果和精度方面优于传统的BP和CNN模型。拟合效果提升了36.8%和10.6%,精度分别提升了77.6%和91.7%,表明LSTM-FC网络在地震损害预测上更为有效。同时,将该方法应用于广东省云浮市钢混结构群震害预测,构建的易损性矩阵与华南地区的易损性矩阵均值进行了对比,显示误差相对较小,说明该模型不仅理论上可行,在实际应用中也能表现出较高的准确性和有效性。

城市防疫医疗救援网络的抗毁性与鲁棒性

为研究城市防疫医疗救援系统空间布局的合理性和防灾韧性,采用复杂网络技术构建了某城市防疫医疗救援网络模型,对其网络拓扑结构和网络特征基本参数进行分析,研究不同攻击模型下以边和点连通度为度量指标的结构抗毁性能力;通过设定不同的网络冗余与网络负荷,研究网络针对确定性攻击与随机性攻击的鲁棒性特征。研究结果可为城市防疫医疗救援系统的空间优化布局和核心场所强化建设提供理论支撑。

基于CNN-LSTM混合神经网络的高速铁路地震响应预测

为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371.

基于多粒度时间卷积网络的超短期风功率预测

针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。