融入思政元素的计算机网络课程教学改革与实践——以四川警察学院为例

课程是人才培养的基本单元,课程思政是一种“以德为先”的课程价值观.以计算机网络课程为例,把思想政治内容融入了课程教学和课外常态化公益辅导,提出了该课程的课程思政总体教学框架、建设方向和重点及建设目标,开展了课程思政教学实践,取得了良好育人成效.

雾天桥梁可变限速值的效用评估及优化

为改善高速公路桥梁路段雾天环境的交通安全,文中考虑可变限速标志设置对驾驶行为的影响,从服从效应角度提出其量化评估方法,以期获得最优作用效能。文中以鄂东长江大桥为原型,选取该桥梁近年最低能见度(100 m)和自由流服务水平作为测试环境,设计3种限速策略,分别为对照组SⅠ(无限速策略)、实验组SⅡ(90~70 km/h限速策略)、实验组SⅢ(90~70~50 km/h逐级限速策略);依托驾驶模拟器,实现不同限速条件的雾天桥梁场景微观驾驶行为数据的细粒度感知,采用重复测量方差分析方法从驾驶人响应的快速性、稳定性及准确性剖析可变限速标志的作用机理及驾驶人特征表现,并通过模糊综合评价方法评估不同限速策略的有效性。研究结果表明:雾天桥梁可变限速标志能够使驾驶人更早地采取减速措施,车辆在雾区行驶过程的稳定性更好;在雾天能见度100 m情况下,90~70~50 km/h逐级限速策略的稳态频数更大,空间稳定性更好,且速度超调量和跟随比更小,响应准确性更高。模糊综合评估结果显示,90~70~50 km/h逐级限速策略作为最优方案,能够有效地提升雾区驾驶行为的调节适应能力,降低驾驶风险,提高车辆运行的稳定性。本研究成果为雾天桥梁可变限速标志的优化设置提供了解决方案,可为雾天桥梁的主动安全防控提供有效支撑。

基于Unity3D的立体复合高速公路标志系统优化设计

高速公路改扩建后增加两侧立体层可以提高通行能力,但互通立交处常常会出现间距过短、流量过大、分流过多等问题,进而导致现有的交通标志无法满足驾驶人的指路需求。针对此问题,以深圳机荷高速为例,在常规标准方案基础上,设计了4种匝道指引标志提升方案,并使用Unity3D引擎开发出了相对应的立体复合高速公路互通场景,高速公路上的车辆第1次分流时驶出地面层,第2次分流可以驶入立体层,第3次分流接入其他互通高速。28名驾驶人使用外接交互设备在不同的场景中进行模拟驾驶,实验采集到了速度、加速度、车道位置等驾驶行为数据。通过计算不同指引标志设计方案中各影响区段内指标的逐点显著性,呈现出了各指标空间维度上的差异性,进一步分析表明,增加预告层级设置3 km预告标志能够帮助驾驶人及早感知前方匝道状况;设置车道指引标志可以提升车辆在匝道处的纵向和横向稳定性,便于驾驶人采取更好的换道策略;导航语音辅助能够提升驾驶人在立体复合高速公路匝道处的速度控制水平、出口换道意识和心理舒适程度。研究表明,Unity3D保真度高、交互性好、成本低,可以为复杂道路场景中驾驶行为的相关研究提供技术支持。同时,该研究也为高速公路改扩建工程交通指引标志设立提供了理论参考。

面向简化规则的集成学习模型及规则约简策略

随着机器学习模型的广泛应用,研究者们逐渐认识到这类方法的局限之处。这些模型大多数为黑盒模型,导致其可解释性较差。为了解决这一问题,以集成学习模型为基础,提出了一种基于规则的可解释模型以及规则约简方法,包括生成优化的随机森林模型、冗余规则的发现和约简等步骤。首先,提出了一种随机森林模型的评价方法,并基于强化学习的思想对随机森林模型的关键参数进行了优化,得到了更具可解释性的随机森林模型。其次,对随机森林模型中提取的规则集进行了冗余消除,得到了更加精简的规则集。在公开数据集上的实验结果表明,生成的规则集在预测准确率和可解释性方面均表现优秀。

基于显式运动建模的视频伪装目标检测

目前的视频伪装目标检测方法通常采用隐式运动建模或直接输入存在噪声的离线光流图来获取运动线索,这会影响模型性能。为了解决这一问题,提出一种新的基于显式运动建模的视频伪装目标检测框架,称为SMHNet。首先,该框架将显式运动建模与伪装目标检测联合在同一个框架中进行学习。然后利用特征双向更新模块实现两个分支的双向交互更新,相互补充、优化和纠错,输出光流估计结果和目标检测图。此外,为了解决缺少光流真值图这一问题,采用自监督策略对显式运动建模分支进行监督。在两个数据集上的对比实验结果表明,SMHNet有效地提高了视频场景中伪装目标检测的性能。

三种β-取代茚三酮的合成及显现汗潜手印的研究

本文基于傅克酰基化取代反应合成了三种茚三酮类似物:β-甲氧基茚三酮、β-硝基茚三酮、β-甲基茚三酮,比较并研究相同配方下三种β-取代茚三酮在不同纸张上显现汗潜手印的效果,并分别与茚三酮进行比较,分析其优劣。结果显示,三种β-取代茚三酮的显现液基本可显示不同纸张上的新鲜指纹,但β-硝基茚三酮对于陈旧指纹的显现效果较差,且显现液本身为棕褐色,显示出的指纹纹线为黑褐色,故视觉感官上稍劣于其他两者;β-甲氧基茚三酮和β-甲基茚三酮的效果均与茚三酮相当,灵敏度略高于茚三酮,显色后的稳定性高于茚三酮。研究表明,β-位取代基的变化能够改变茚三酮类化合物显现手印的效果,给电子基团的修饰能够提高该类化合物的手印显现性能,化合物本身的荧光性能与实际的指纹显现效果并不直接相关。

基于终点需求可变的市域旅游客流运输均衡分配模型

以旅游者到达目的地城市后的运输优化问题为研究对象,为减少旅游景点游客量和市域客运网运输量失衡的现象,提出了一种基于旅游终点需求可变的运输均衡分配模型。首先,基于旅游者的完整出行过程分析,构建了目的地城市内部旅游客流的交通运输网络;其次,基于市域内旅游出行起点需求固定但终点需求可变的旅游客流出行特征给出了旅游客流出行分布函数形式,建立了基于终点需求可变的市域旅游客流运输分配模型,通过其一阶最优化条件证明了在均衡状态下,旅游客运分布量能满足Logit形式的出行分布函数和出行发生量约束,旅游客流运输分配量能满足用户均衡条件;最后,基于凸组合法的思想设计了模型的求解算法,并在简化的黄山市旅游客流运输网络分配实例中验证了模型与算法的可行性。研究结果表明:旅游终点吸引度的变化和运输线路广义费用阻抗的变化可以同时影响旅游出行需求分布量,运输线路运能的增加可以提高旅游客流分配量,决策部门可通过调整运输网络节点的吸引度来平衡市域旅游资源,运输企业可通过调整运力配置,改善旅游客运服务能力。

自动化特征工程综述

机器学习基于信息可以更加高效地做出预测和决策,因此在数据驱动模型中发挥了重要的作用。特征工程是提高机器学习系统高效性的决定性因素,但却是最耗时的任务之一。因此考虑到人为错误和极端的时间成本,自动化特征工程应运而生。近年来,自动化特征工程得到了飞速的发展,解放了大量且乏味单调的人工操作。本文对自动化特征工程的算法进行系统性的整理和总结,为后续研究提供了参考。

公共卫生事件影响下旅游小群体交通管控策略研究

通过网络问卷调查,统计分析公共卫生事件影响下的旅游小群体出行特征,选取四川省旅游小群体为研究对象,调查公共卫生事件影响下旅游小群体出行时间、出行方式、出行次数变化,以及交通管控措施的接受程度,以此为基础提出公共卫生事件影响下的旅游交通管控策略。

流程挖掘一致性检验算法研究综述

一致性检验作为流程挖掘中的一部分,不仅可以筛选可能存在问题的日志,还可以作为评价模型的一种方案,近些年来在研究和应用领域逐渐受到关注。发展至今,已相继提出了一致性检验中面向不同应用场景的各种算法。本文将从一致性检验算法、近似算法和在线算法三个角度对当前研究进展进行介绍,分析当前一致性检验算法的应用和发展前景。

基于改进卷积神经网络的RFID单标签非接触手势识别研究

提出基于卷积神经网络的单标签非接触式手势识别系统,在不需要携带任何设备的情况下,利用单标签、单天线实现精准的手势识别。首先,通过人为添加干扰物,读取受多径效应影响的标签相位信号;其次,对标签相位信号进行预处理,选取动态时间规整算法(dynamic time wrapping,DTW)匹配与先验指纹库粗粒度手势识别;最后,将标签相位信号利用马尔可夫变迁场(markov transition field,MTF)生成特征图像,利用IM-AlexNet模型进行深度训练和实验测评。实验结果表明,改进后的模型训练参数减少为初始的7%,且准确率达到96.76%.该系统可大范围扩展,并具有较高的鲁棒性。

基于能量转移理论的行车风险量化建模方法研究

为建立一种简洁且适用的行车风险量化模型,提出了基于能量转移理论的行车风险量化建模方法,分析了换道避险场景和典型跟车场景的行车风险分布。模型从描述事故致因的能量转移理论出发,提出描述行车风险的风险作用力,通过考虑车辆的动力学约束,推导了车辆可行驶区域,明确了行车风险的影响范围,实现对风险分布的有效约束。仿真结果表明,模型能有效量化行车风险并与传统风险评估指标THW的结果一致,同时,为缓解道路交通风险应当避免行车风险的大规模叠加造成的风险累积。

基于多变量公钥密码构建热钱包安全保护方案

区块链应用于金融系统具有一定的可行性,但在实际应用中,仍出现一些安全性问题。文中介绍了当前区块链交易中遭受的攻击威胁,基于应对抗量子计算攻击、解决区块链热钱包私钥易被暴力破解的问题,提出了一种基于多变量公钥加密技术,并应用于区块链热钱包交易过程。通过构建私有链,分析对比多变量公钥密码加密后密文与SM2椭圆曲线数字加密后密文的结果、耗时,得出多变量公钥加密算法可以通过改变多变量公钥密码中G的仿射函数,增加公私钥、签名长度,证实了文中方案的可实现性。

基于系统溯源图的威胁发现与取证分析综述

通过调研溯源图研究相关的文献,提出了基于系统溯源图的网络威胁发现和取证分析研究框架。详细综述了基于溯源图的数据采集、数据管理、数据查询和可视化方法;提出了基于规则、基于异常和基于学习的威胁检测分类方法;概括了基于威胁情报或基于战略、技术、过程驱动的威胁狩猎方法;总结了基于因果关系、序列学习、特殊领域语言查询和语义重建的取证分析方法;最后指出了未来的研究趋势。

基于ZnS纳米材料结构色的印章印文防伪方法研究

印章印文鉴定是文件检验的重要组成部分。目前,利用激光扫描、复印等方式伪造的印章,其规格、细节特征等几乎与真印章难以区分,给印章身份识别带来很大困难。本课题采用高折射率ZnS纳米材料,在防水高光相纸上,以盖印和喷墨打印的方式形成具有特殊结构色性能的防伪印章印文。该印章印文直视时几乎不可见,但仅通过改变一定的观察角度,即可看到清晰的结构色印章印文。该方法可有效防止复印机对印章印文的高精度水平复印,从而得到了一种区别于传统方法的新型防伪手段。

基于云环境的反射型DDoS攻击检测

随着软件定义网络、网络功能虚拟化、人工智能等技术的演进发展,云环境部署与应用日趋成熟。分布式拒绝服务(Distributed Denial of Service,DDoS)攻击的新变种反射型DDoS因低成本、难追踪等特点得到快速泛滥,云环境中的主机和应用服务面临着反射型DDoS攻击威胁。如何检测反射型DDoS攻击行为及构建完备的检测防御体系成为研究热点。依据反射型DDoS的攻击特征,首先,对最初传统网络的检测防御框架和目前结合云环境的综合性检测体系进行了归纳与整理;其次,系统地分析其中的问题与挑战;最后,进行总结并展望未来的研究方向,为今后进一步的深入研究及实践应用提供参考。

高速公路交通事故影响因素及异质性分析

本文采用随机参数logit模型,重点考虑未观察到的数据异质性,从道路线形条件、交通运行状态、气象环境条件和激进驾驶行为4个方面分析了高速公路交通事故的影响因素。结果表明,平面线形、纵面线形、拥堵指数、速度变异系数、天气条件、风力等级、急加速行为频率和急减速行为频率均对高速公路交通事故有显著影响;同时,在纵面线性、拥堵指数、急加速行为频率和急减速行为频率4个变量中发现了未观察到的异质性,且急减速行为频率与拥堵指数、急加速行为频率与急减速行为频率之间存在交互作用。本文对高速公路交通事故发生的原因做出科学合理的解释,为高速公路事故的科学治理提供理论支撑。

程序缓冲区漏洞及利用方法研究

程序缓冲区漏洞是软件开发过程中最常见的一种漏洞,当发生人机互动的时候,如果程序没有对用户输入数据的长度和内容进行检查,攻击者可以利用精心构造的数据对程序发起攻击,导致程序或系统崩溃、感信息泄露甚至被攻击者劫持,深入分析研究程序缓冲区溢出漏洞的成因和利用方法,对保障应用程序和操作系统正常运行、维护信息安全具有显著的实用价值。

NetExtractor:基于网络轨迹的未知协议逆向方法

网络协议逆向工程是许多安全领域面临的重要挑战.当前主流方法是对网络轨迹间的字符和令牌进行比对切分,但现有工作在推导时受限于二进制协议字段取值差异高、状态复杂等特性,存在格式过度切分和多状态字段标注精度低等问题.基于此,本文提出NetEx‐tractor工具,集成格式提取优化方法和状态标注优化方法.在格式提取阶段,提取网络轨迹时空特性进行粗聚类,而后进行多序列比对,利用统计特性进行优化合并,进一步提高格式提取的精准度.在状态标注阶段,引入编辑距离衡量字段间差异,结合随机森林和统计特性对候选状态字段进行约束,提升多状态字段标注精度.为验证该方法的有效性,本文使用NetExtrac‐tor工具对僵尸网络zeroaccess协议的格式和状态机进行自动化逆向,并在8个常用协议上开展评估实验验证方法效率,实验表明与领域最领先研究工作相比,NetExtractor可提升协议格式和协议状态识别准确度,对网络安全分析具有较大意义.

基于低维二阶马尔可夫矩阵的加密流量分类方法

网络流量加密在增强了通信安全与隐私保护的同时,也为恶意流量检测带来了新的挑战.近年来随着机器学习在各领域成功应用,其也被应用于加密流量分类中,但传统特征提取方法可能会导致流量中重要信息丢失或无效信息冗余,阻碍了分类精度与效率的进一步提升.本文提出一种基于低维二阶马尔可夫矩阵的加密流量分类方法LDSM,用以筛选表征能力强的流量特征,从而优化模型分类效果.首先,提取加密流量中有效负载,根据其十六进制字符空间分布构建二阶马尔可夫矩阵;其次,通过计算状态转移概率矩阵中各特征的基尼增益,迭代删除对模型训练贡献最低的特征,取模型分类准确率最高的特征集合作为低维二阶马尔可夫矩阵特征;最后,通过实验验证低维二阶马尔可夫矩阵特征的模型训练能力.实验中构建了Scikit-learn的实验环境,采用两个公开数据集CTU-13和CIC-IDS2017,实现对加密流量的分类任务,特征降维实验结果表明,LDSM方法将二阶马尔可夫矩阵特征降维至256个特征时分类效果最佳,特征降维后仅为原特征数量的6.25%,保证模型分类精度的同时提升了模型训练效率;与其他方法对比实验结果表明,LDSM方法流量分类的平均准确率达到98.51%,与其他方法相比,分类准确率提高3%以上,所以LDSM方法对于加密流量分类是可行且有效的.