在Web页中实现Windows网络驱动器映射

文件服务是网络中最主要的服务,为了使用户能够方便地访问位于文件服务器上的工作文件夹及其它共享资源,需要映射若干网络驱动器。本文分析了Windows中常用映射网络驱动器的方法及它们在大型局域网中使用存在的问题,详细地介绍了通过Web页方式实现网络驱动器映射,并给出了完整的代码。

基于双核的安全Windows网络驱动程序的研究

提出了一种基于双核的网络安全解决方案,研究并实现了主辅核之间的通信机制和辅核Windows端网络驱动程序。双核的安全Windows终端架构是将安全防护模块移植到嵌入式系统中,可以有效地防止黑客对Windows终端的侵入及终端内敏感信息的流出。驱动程序开发使用的环境为:VC++6.0、Windows Driver Development Kit、DriverStudio3.2。实验证明该方案可以对网络数据包安全分析和过滤,达到Windows终端安全的目的。

知识网络视角下科学、技术、产业间创新驱动关系识别方法研究

开展科学、技术、产业之间创新驱动关系研究,对于实现科学发现、技术创新与产业的深度有效融合与发展具有重要意义。本文从知识网络视角展开科学、技术、产业间创新驱动关系识别方法研究。首先,通过构建时效知识网络,利用社区网络结构熵来表征知识网络结构特征;其次,利用网络结构特征信息间的传递熵探究创新过程中科学、技术、产业三个系统相互驱动的关系;再其次,采用互信息探测主要驱动关系下知识传递路径的变化特点;最后,以再生医学(干细胞)领域作为实证对象,实证研究发现不同时间阶段,科学、技术、产业之间的相互驱动关系会发生转变,三者知识传递路径上知识内容前后继承关系也不同,科学驱动技术过程中的知识传递路径继承性特征持续增强,而技术驱动科学过程中的知识传递路径继承性呈现不稳定、非连续性特征。此外,通过多种方式论证了本文方法的科学有效性,可以用于其他创新领域科学、技术、产业间创新驱动关系的识别。

基于数据驱动贝叶斯网络的化工事故风险分析

为减少化工厂风险分析中的主观干预,基于关联规则和贝叶斯网络构建1种数据驱动风险分析模型。该模型涵盖3个任务项,分别为数据集项、关联规则驱动项和贝叶斯网络风险评估项。首先,收集事故报告和事故因素构建事故数据库;其次,将事故数据导入Apriori算法,并根据关联规则的因素相关性确定贝叶斯网络和条件概率表结构;然后,基于事故因素出现频率计算先验概率和条件概率,并采用Fussel-Vesely计算事故因素的敏感度;最后,收集94起危险化学品中毒窒息事故实例,运用数据驱动风险分析模型评估事故因素的影响大小。研究结果可为减少和避免化工事故提供一定参考,有助于提高相关企业的整体安全水平。

中国绿色创新效率空间关联网络特征及其驱动因素研究

运用基于序列DEA的SE-U-SBM模型测度我国30个省份2007—2019年绿色创新效率,利用修正的引力模型和社会网络分析方法解构了我国省际绿色创新效率的空间关联特征,并借助QAP方法探讨了绿色创新效率空间关联网络的驱动因素。研究结果显示:(1)我国省际绿色创新效率上升趋势明显,呈现东部>中部>西部的空间分布格局。(2)中国绿色创新效率的空间关联呈现出复杂的多线程空间网络关联关系,省际绿色创新效率的关联性不断加强,空间关联网络稳定性进一步增强,东部省份大多属于净溢出板块,中西部省份为相对受益板块。(3)地理距离、城镇化水平差异、人力资本差异、财政分权差异、相近的R&D投入强度和资源禀赋差异是影响我国绿色创新效率空间关联网络形成与发展的重要驱动因素,对绿色创新效率空间关联网络具有显著的促进作用。应着力推动要素市场化改革,破除区域市场分割和行政壁垒,加强区域政策协调性,实现绿色创新效率协同提升。

意图驱动的无人机集群网络:管理架构、关键技术与未来展望

作为空天地一体化网络的重要组成部分,无人机集群已在紧急搜救、攻防对抗、情报侦察与监视等复杂任务中展示出广阔的应用前景。无人系统技术的升级革新和多机协同智能应用的日益丰富对无人机集群网络的信息交互能力提出新的要求。意图驱动网络架构下,无人机集群自主管理网络,简化了网络管理的复杂性。将意图驱动网络引入无人机集群系统,亟须突破智慧自治网络技术,提升智能群体面对高动态性和不确定性环境的适应能力,这为无人机集群的协同操作和智能决策提供了新的视角和方法。围绕意图驱动的无人机集群网络管理架构、关键技术和未来展望展开了深入的分析和讨论,旨在为无人机集群网络的未来发展提供坚实的理论基础和技术参考。

基于LDA-BP神经网络的高校思政课教师数据驱动决策力评价研究

数据驱动决策力为高校思政课教师提供科学合理的教学判断,对数据驱动决策力进行评价研究,有助于提高高校思政课教师的数据决策水平,进而提升思想政治教育教学质量。鉴于传统评测方法缺乏客观性与可重复性,运用LDA-BP神经网络技术构建高校思政课数据驱动决策力的指标体系与评价模型。首先,运用LDA方法对高校思想政治教育相关的政策文本与研究文献进行主题提取,并将主题信息作为指标构建基础;其次,通过研读文献与政策文本,并结合主题分析结果构建高校思政课教师数据驱动决策力评价指标体系;最后,通过对BP神经网络的训练及测试来生成高校思政课教师数据驱动决策力的评价模型。研究表明,高校思政课教师的专业知识、教学水平以及数据分析与解读能力是影响数据驱动决策能力的关键因素,据此,理应从素养提升、文化培育、管理革新、政府支持等方面入手增强数据驱动决策力。

京津冀创新网络结构演变及其驱动因素研究

基于2018—2021年京津冀13个城市面板数据,构建城市综合创新能力指标体系,采用熵值法和引力模型构建京津冀创新网络,并利用社会网络分析法探究京津冀创新网络结构演变及其驱动因素。京津冀创新网络整体的关联度和稳定性有所增长,但仍处于较低水平,且内部具有明显的等级差异。就网络中城市个体而言,北京和天津对河北省城市产生创新的“虹吸”效应,是中心城市;廊坊和唐山也具有一定创新吸引能力,为次中心城市;河北省其他城市则表现为创新溢出或孤立状态。京津冀创新网络凝聚子群经历分化,形成主受益板块“首都圈”和“直辖市圈”、净溢出板块“环首都—直辖市圈”以及处于孤立板块的“边缘圈”。空间邻近性、城市聚集资源能力差异、文化服务及资源差异以及交通便捷差异对京津冀创新网络产生正向影响,城市教育资源差异对京津冀创新网络产生负向影响,创新产出成果差异对京津冀创新网络的影响逐渐降低。未来应提高网络关联度和稳定性、提升次中心城市的带动作用、鼓励加强板块内外合作以及完善城市间创新资源配置,优化京津冀创新网络,进一步推动京津冀创新协同发展。

物流网络优化与供应链效率的关系——基于数据驱动的分析方法

本文采用文献综述、理论分析和实证分析等方法,通过对物流网络优化和供应链效率的相关文献进行综述,明确了研究的背景和理论基础,设计了物流网络优化模型和供应链效率评价指标,基于2018-2022年的实际数据进行了实证分析,涵盖数据概述和统计分析、模型回归分析及结果阐释、敏感性分析及结果阐释。研究结果表明,物流网络优化与供应链效率之间存在着密切的关系。基于物流网络的优化,可以有效提升供应链的运作效率。

新工科背景下数据驱动的人才培养模式研究——以广西某高校网络工程专业为例

文章首先简述了当前网络工程专业建设及人才培养过程中所面临的主要问题;其次,结合新工科背景下人才培养的相关要求,构建了新工科背景下数据驱动的人才培养模式;最后,对该模式实施的主要举措进行了阐述。

网络裸聊敲诈犯罪的侦查难点及应对策略——基于全量数据驱动视角

网络裸聊敲诈是随着电信网络诈骗猖獗发展而逐渐演变形成的一种新型犯罪,具有较强的有跨境组织性、层级分工性特征和产业链条化发展趋势。由于受害人报案率低、犯罪手段具有“软暴力”特点等,当前侦查打击在虚拟空间取证、嫌疑人抓捕、资金追缴等方面遭遇困境。公安机关应加强“专业+机制+大数据”新型警务模式建设,运用全量数据驱动型侦查方法,加强数据的溯源、拓展、研判和穿透,以提升新质战斗力,从而有力遏制此类犯罪势头。

基于异质数据的复杂网络数据驱动控制

针对复杂网络难以控制,模型难以构建的问题,论文提出基于异质数据的复杂网络数据驱动控制策略。通过对不同时间、任意初始状态、不同最终状态输入输出和状态的异质数据进行重构,建立了基于异质数据集的采样轨迹表示方法,并依据该方法推导出适用于多种复杂网络模型的最小控制能量输入的两种计算方法,对计算方法需要的最少数据量进行了讨论,实现多种复杂网络的数据驱动控制,为复杂网络控制研究提供了新的方法。

工匠精神传承驱动下计算机网络安全专业创新人才培养模式研究

在工匠精神传承和驱动下计算机网络安全专业创新人才培养应以敬业、精益、创新、诚信、拼搏、谨慎为核心,使学生具备这些能力之后在工作中取得优异的成绩,推动我国计算机网络安全发展。因此在计算机网络安全专业创新人才模式培养的过程中教师要创新教学方式,以培养学生的工匠精神为核心,使学生可以传承工匠精神、学习工匠精神,引导学生树立正确观念,促进学生的综合发展。那么怎样才能构建工匠精神传承驱动下的计算机网络安全专业创新人才培养模式呢?下面本文对此提出几点观点和建议。

TPACK框架下项目驱动式计算机网络课程教学模式设计

项目驱动模式的教学中,由于不同学科教学内容、学科思想等有较大差异使得项目引导作用无法与教学过程深度融合并发挥最大效果。针对此问题该文详细分析计算机网络教学过程中的项目驱动模式,并基于TPACK理论框架提出一种以知识全面掌握、实践能力培养为目标,以TPACK理论为指导的项目驱动式教学方法。该方法以项目为引导将教学内容、教学方法、技术知识构建于统一框架下,并形成教学设计、教学实践、教学评估的闭环反馈更新机制,可以有效促进各阶段的教学效果。

“流空间”视角下西北地区城市群内部网络空间结构及其驱动机制

运用社会网络分析和ArcGIS空间分析方法,从交通、经济、人口等多要素流视角分析西北地区城市群网络的层级结构、联系格局与子群特征,借助二次指派程序回归分析方法剖析多元网络结构的影响机制.结果表明,网络中心性地区差异显著,且重心位于东翼.交通网络差异相对较小,呈单中心结构,经济网络规模分布最为集中,呈双中心结构,人口网络规模分布相对分散,呈多中心结构;城市联系表现出“东密西疏”的空间网络格局,且等级性显著.交通网络呈带状组团结构,经济网络呈中心辐射状结构,人口网络呈以省会为主的蜂房状多中心结构;网络内部均存在小团体.交通网络子群构成与联系凸显干线的串联带动作用,经济网络择优链接效应明显,人口网络受行政区划约束;地理邻近、交通可达性和经济发展是产生网络共性的主要因素,企业成长、产业结构和社会服务是网络差异性的主要贡献者.

基于神经网络算法的城市生态环境设施智慧化建设类型识别及驱动机制

既有生态城市和智慧城市建设评价研究颇丰,但针对区域内城市生态环境设施智慧化建设类型分异及其复杂驱动机制的解析相对缺乏。以江苏省为研究范围,共划分53个研究单元,聚焦于与信通技术和数字基础设施相关的生态环境指标,从智慧生态环境监管平台、智慧生态环境信息传播平台、智慧生活、智慧生态环境创新潜力四个维度构建评价指标体系,采用加权TOPSIS对城市生态环境设施智慧化建设水平进行评价,并基于自组织映射神经网络划分建设类型,随后从人口规模、经济发展、基础设施、生态环境、居民生活与政府投入6个维度建立城市生态环境设施智慧化建设水平影响因素指标库,进而构建BP⁃DEMATEL⁃ISM复合多级递阶结构模型,探讨城市生态环境设施智慧化建设水平的直接和间接影响机制。研究发现:①江苏省城市生态环境设施智慧化建设水平表现出明显的市区>县级市>县现象;②建设类型可分为智慧发展引领型、智慧创新不足型、智慧生活特色型和智慧发展滞后型4类,且市区多为智慧发展引领型和智慧创新不足型,县级市和县多为智慧生活特色型和智慧发展滞后型;③城市生态环境设施智慧化整体建设水平的影响因素划分为4级,其中恩格尔系数和绿化覆盖率是最根本的深层影响指标,宽带用户数和人均电信业务量是最有效的直接影响指标;④分维度影响因素作用机制中人口规模、经济发展和居民生活三个维度的指标为城市生态环境设施智慧化建设水平的根本因素,是“经济基础决定上层建筑”哲学观的体现,三者直接作用并通过政府投入间接作用于基础设施和生态环境,进而影响最终的城市生态环境设施智慧化建设水平。研究可为提升城市生态环境设施智慧化建设水平提供科学参考。

意图驱动的韧性网络安全研究

未来的网络要求有一个灵活、弹性、可拓展的网络架构,才能适应多样化对服务的新要求。意图驱动网络针对这一难题提供了一种切实可行的新思想,具体地说是基于意图闭环技术可以让网络管理员不必再去注意复杂的配置细节,仅需表达网络服务需求即可获得自主可靠的服务。首先对目前网络安全中出现的新问题进行剖析,对意图驱动网络方法论及其关键技术进行梳理,提出一种基于意图驱动网络闭环生命周期架构;探究意图驱动网络安全服务韧性策略推理。意图驱动网络的实践案例包含意图的生成、转译、策略制定和部署等过程,实现了网络故障情况下保障网络服务的永续在线,反映出意图驱动网络的全生命周期。

意图驱动网络服务韧性机制研究

软件定义网络、网络功能虚拟化和意图驱动网络等新技术的出现,促使网络朝着服务化、定制化和智能化等方向快速发展。然而,规模巨大且复杂的网络形态导致网络管理存在失效,同时网络攻击事件频繁发生。因此,提高网络服务韧性,确保网络服务能够持续保障,变得非常重要。意图驱动网络能实现从用户意图到网络韧性策略生成及其下发的全过程的自动部署,为网络有效应对各类挑战提供更加灵活的手段,极大地改善了网络管理效率,并提高了网络服务韧性。基于此,提出一种意图驱动网络服务韧性控制环路架构及其实现架构。首先,通过将信念-愿望-意图推理逻辑引入韧性推理机制,使网络具有预防功能、防御功能、恢复功能以及适应功能,能够在网络攻击发生前期及时地作出响应,并根据具体环境灵活调整韧性策略,以应对突发的网络攻击,持续保障网络服务。最后,以分布式拒绝服务攻击作为用例,验证所述的意图驱动网络服务韧性机制在保障网络服务韧性方面的有效性。

Windows的网络体系结构分析及网卡驱动程序设计

本文从Ｗｉｎｄｏｗｓ 的网络体系结构出发，参照ＴＣＰ／ＩＰ 网络结构模型，分析了ＮＤＩＳ 及ＴＤＩ 的作用和特点，总结了Ｗｉｎｄｏｗｓ

基于事件驱动的超图卷积网络的谣言检测方法

依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对该挑战,提出了一个事件驱动的超图卷积网络(event-driven hypergraph convolutional network,EHGCN),首次尝试将新闻、用户和事件建模在一个统一的超图卷积网络之中,以提升谣言检测性能.具体而言,基于用户的中心网络构建同质用户圈,以增强用户感知的谣言检测.此外,EHGCN联合利用事件内的主事件和子事件关联以及事件间的不一致性关联来进行谣言检测.在3个真实世界的数据集上进行的实验结果验证了EHGCN相较于现有方法在谣言检测方面的优势.研究也证实EHGCN可以通过获取丰富的用户社交圈和事件信息,在谣言传播早期及时发现谣言.