论云计算环境下数据中心的网络安全问题及风险控制研究

作为信息时代的重要产物,云计算技术的诞生和发展使传统的IT产业受到了巨大的冲击。为了将数据中心网络安全风险降到最低,避免数据中心安全防御力度不足的问题,需要认真研究有效应对网络安全风险的策略。本文基于云计算环境下的数据中心网络体系结构,针对云计算环境下的常见网络安全问题,对相关安全防护技术进行研究,旨在完善云计算环境下的数据中心网络安全保障机制。

基于注意力机制的轻量化YOLO v5s蓝莓检测算法

为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA(Multi‐head self‐attention,多头自注意力)替换了SPPF(Spatial pyramid pooling‐fast,快速空间金字塔池化)前面的C3模块,使模型学习到更全面的特征表示,增强模型对蓝莓图像中复杂空间关系和上下文信息的理解能力。最后,在C3模块中加入了S-PSA(Sequential polarized self‐attention,顺序极化自注意力),以便模型能够更好地捕捉特征图中相邻区域之间的上下文依赖关系。结果表明,改进后的YOLO v5s算法对成熟、半成熟和未成熟蓝莓的检测精度分别提升1.2、4.4、2.6百分点,平均精度提升2.7百分点,模型参数量减少76.0%。与当前主流轻量化目标检测模型相比,改进后的模型性能更加优越,能为自然环境下蓝莓采摘机器人视觉系统提供一种有效的方案。

基于改进U-Net的轻量级眼底病变分割算法设计

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块,提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用GhostModel替换原始卷积,设计出Ghost卷积与Ghost下采样卷积模块,在保证准确度的同时降低参数量;设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息,针对不同尺度病变目标,引入CBAM注意力机制以改善其适应性,从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%,F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48M、35.46GMac,较U-Net、Att-UNet等模型更加精简,分割精度更高。

重庆市现代环境治理体系进展评估及对策研究

推进环境治理体系和治理能力现代化是实现生态环境根本好转和美丽中国建设的重要制度保障。重庆市作为长江上游生态屏障的最后一道关口,肩负着重要的生态环保使命。在评估重庆市现代环境治理体系进展成效的基础上,分析重庆市现代环境治理体系建设存在的问题,借鉴浙江、上海、江苏等省市的经验,结合重庆市实际,聚焦生态环境治理责任落实、治理能力提升、市场机制激活、扩大公众参与等方面,提出了深化现代环境治理体系建设的对策。

越城区坡塘小流域水土流失治理及施工技术应用

绍兴市越城区坡塘小流域存在水土流失问题。通过分析该区域的综合生态治理项目,评估水土流失、生态退化和生产条件等制约因素对当地生态环境稳定及区域可持续发展的影响,采用了土地封育、水土保持和生态恢复等多元化治理策略,以期优化生态环境,减缓水土流失,增强区域水源涵养能力。通过实地调研与数据分析,精准实施上述水土流失治理措施。结果表明,综合治理能有效改善小流域生态,增强农业生产能力,推动区域共同富裕,促进人与自然和谐共生。

智慧能源管控平台助力绿色运营管理

《绿色建筑运行维护技术规范》非常清晰地规定了能源管控平台在绿色运营中的作用。从整体的绿色建筑来说,智慧能源管控平台的架构分成三个层次:一是项目级,每个单栋建筑是作为一个项目而成立;二是区域级,一个片区或者园区可以建成区域级平台;三是跨城市级。以平台的概念也在不断扩大,绿色运营的范围也在不断扩大,绿色运营不单是建筑的运维,一个项目的运维,更多是城市级的城市管理运维。

大数据云计算技术及其应用展望

围绕大数据云计算进行分析,提出当前背景下大数据云计算技术的合作优势,对大数据云技术在行业中的应用前景进行了阐述。

5G应用背景下加快建设智慧港口的对策研究

本文主要阐述了智能港口的内涵和特点,并结合5G技术在智能港口的应用背景,提出了一系列促进智能港口发展的思路,完善了5G应用背景下智能港口的技术框架,从推进智能终端建设、加快电子口岸建设、加快集散系统信息化建设等方面,实施智能港口建设,提高港口竞争力。

基于物联网的智慧港口建设方案

目前,物联网技术发展日趋成熟,各种解决方案成熟应用于各类行业。物联网技术即是港口转型升级和智慧港口发展的战略需求,又是积极推进两化融合深度发展的需要,文章提出了基于物联网进行全方面改造升级的智慧港口建设方案。

新一代港口云服务数据中心的研究与应用

对于港口来说,云服务数据中心的研究和应用是港口大数据应用体系中基础支撑系统的重要部分,传统数据中心在系统架构、响应效率、运维方式、应用支撑、信息安全、节支降耗上均不能满足港口大数据应用体系的要求。本文通过介绍云服务数据中心的概念、技术架构和实现方法,引入云计算、虚拟化、信息安全等前沿技术,对港口在信息化规划中构思并建成适应于港口生产业务的云服务数据中心提出建议。

智慧港口发展现状与展望

随着全球化的深入发展,港口作为对外贸易物流运输的重要枢纽,承担着越来越重要的运输压力,人工智能的发展为港口建设带来新的契机。基于此,文章就智慧港口的发展现状进行简要概述,并深入分析当前智慧港口建设面临的机遇与挑战,同时结合当前智慧港口的发展态势对智慧港口未来的发展方向进行展望。

连云港港公路货运交易管理平台的研究与设计

笔者针对当前连云港港在公路货运交易管理方面缺乏集中的配货市场和开放的货运公共信息平台,造成货运信息不能共享的现状,研究并设计了物流综合信息门户子系统、手机客户端"速配货"子系统、统一接口子系统的连云港港公路货运交易管理平台的总体功能架构,提出了平台成功上线的路径,并展望了平台的发展前景。

开启浙江高速智慧畅行新引擎

展望未来，智慧高速将坚持深化改革、产业整合、协同发展，加快智慧高速云平台和大数据中心建设。加强智慧高速相关产品应用研发，探索高速公路“互联网＋”等新兴产业，进一步聚合省级资源，加速功能升级，构建产业联盟，创新高速公路运行服务体制机制和商业模式，

基于双向循环生成对抗网络的无线传感网入侵检测方法

针对无线传感器网络(WSN)入侵检测方法在离散高维特征的不平衡数据集上检测精度低和泛化能力差的问题,提出一种基于双向循环生成对抗网络的WSN入侵检测方法 BiCirGAN。首先,引入对抗学习异常检测(ALAD)通过潜在空间合理地表示高维、离散的原始特征,提高对原始特征的可理解性。其次,采用双向循环对抗的结构确保真实空间和潜在空间双向循环的一致性,从而保证生成对抗网络(GAN)训练的稳定性,并提高异常检测的性能。同时,引入Wasserstein距离和谱归一化优化方法改进GAN的目标函数,以进一步解决GAN的模式崩坏与生成器缺乏多样性的问题。最后,由于入侵攻击数据的统计属性随时间以不可预见的方式变化,建立带有Dropout操作的全连接层网络对异常检测结果进行优化。实验结果表明,在KDD99、UNSW-NB15和WSN_DS数据集上,相较于AnoGAN、BiGAN、MAD-GAN以及ALAD方法,BiCirGAN在检测精确度上提高了3.9%~33.0%,且平均推断速度是ALAD方法的4.67倍。

基于XGBoost ARIMA方法的PM_(2.5)质量浓度预测模型的研究及应用

针对PM_(2.5)时间序列的非线性、高噪声、不平稳与波动性的特征,提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例,选择PM_(10)、SO_(2)等4个影响因子,PM_(2.5)为目标因子,构建混合预测模型以合理区分与处理时间序列中高频、低频数据,并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明,提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_(2.5)质量浓度日均数据预测,实现了针对大气污染物日均质量浓度的准确预测,能够为污染治理与政策制定提供科学的数据支撑;该方法与经典预测模型相比,具有更优的预测性能(平均绝对误差仅为10.46518,且希尔不等系数低至0.08589)。

轻量级词典协同记忆聚焦处理的Web攻击检测研究

使用深度学习模型检测Web攻击,输入完整的HTTP文本会使词典增大,进而导致模型参数过载,增加存储成本。此外,攻击载荷的位置不确定性及语义复杂性会导致漏报率高。针对模型参数过载和漏报攻击载荷问题,提出了一种基于轻量级词典协同记忆聚焦处理模型的Web攻击检测方法。生成轻量级词典,结合轻量级词典的预处理规则,依次执行保留、替换、添加、丢弃等操作预处理HTTP文本,减轻参数过载问题。结合基于双向长短时记忆和多头注意力机制的记忆聚焦处理模型,提高记忆能力和对攻击载荷的聚焦处理能力以降低漏报率。在模拟数据集上新方法的准确率为98.66%,比URL_WORD+GRU提高了3.19百分点,在检测的攻击类型中,最低的漏报率为0.60%。实验结果表明:新方法能有效解决参数过载问题,提高检测准确率,同时降低漏报率。

基于MSDB-ResNet的水稻病虫害识别

【目的】水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。【方法】提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。【结果】MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。【结论】MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。

基于区块链技术的订单农业体系构建与运营策略——以长沙市宁乡县宁乡猪为例

以长沙市宁乡县宁乡猪订单农业项目为例,介绍了订单农业的概念、特点、优势和发展历程,分析了中国订单农业面临的诚信问题和信息不透明问题,提出了基于区块链技术的农业产业SaaS服务平台的构想,以及该平台的组织结构和运营策略。展示了区块链订单农业SaaS平台的实际投入效果,包括提高出栏量、降低成本、增加收入、实现融资等方面。区块链技术可以为订单农业提供数据安全、溯源、诚信、监管等方面的保障,促进订单农业的健康发展,开创农业供需平衡、绿色高效、农民富裕、食品安全、价格合理的新局面。

模拟人工蜂群的高维数据特征选择算法研究

针对高维数据集结构复杂且冗余度高的问题,提出一种新型二进制人工蜂群算法进行特征选择。该算法在雇佣蜂蜜源搜索阶段应用差分思想,增加多项式差分变异算子,实现蜜源更新环节的多维性、高效性;在跟随蜂阶段和侦察蜂阶段分别引入交叉算子和最优保存策略,进一步打破局部最优,有效提升了人工蜂群算法的收敛效果;对蜜源的二进制初始化处理,使得算法在特征选择过程中取得了良好表现。在4个Benchmark测试函数上进行实验,结果表明,新算法的寻优精度和收敛速度优于其他4种经典搜索算法。同时,选取7个常用高维数据集进行特征选择,并与7种经典降维算法进行对比,发现新算法的特征约简程度普遍高于88%,并且随着数据集维度的增高,新算法的降维程度和分类精度优于其他7种降维算法。

新型GAN的WSN异常检测方法

为实时预警无线传感器网络(WSN)进行数据传输过程中的一系列威胁,提出一种新型生成对抗网络(GAN)的WSN异常检测方法。采用梯度归一化和代价距离改进的GAN目标函数,与改进的对抗学习异常检测方法相结合,能准确、全面地将数据流特征的分布情况映射到潜在空间,使生成器在训练过程中增加生成数据的多样性,提升模型的鲁棒性;引入带有丢失操作的全连接层网络体系,显著增强对WSN中数据流异常状态的识别能力。仿真结果表明,该方法可全面有效地提高入侵检测方法的综合检测效果。