摘要：针对基于深度学习的网络入侵检测技术存在检测效率低、模型训练易出现过拟合和泛化能力较弱的问题,提出一种基于改进卷积神经网络(ICNN)的入侵检测模型(IBIDM)。与传统“卷积池化全连接”层叠式网络设计方式不同,该模型采用跨层聚合网络的设计方式。首先,将预处理后的训练集数据作为输入数据前向传播并提取网络特征,对跨层聚合网络的输出数据执行合并操作;然后,根据分类结果计算训练误差并通过反向传播过程进行迭代优化至模型收敛;最后,利用训练好的分类器对测试数据集进行分类测试。实验结果表明,IBIDM具有较高的入侵检测准确率和真正率,且误报率较低。

摘要：针对目前网络入侵检测系统在IP分片重组和TCP流重组中的不足,提出应用层协议并行重组的新方法ALPPR及其原型系统.根据报文重组的特点,采用基于LogP模型的并行处理思想和主从模式实现并行任务的分配和处理.在并行重组过程中,采用二维链表保存(例如会话列表、相应状态和任务分配结果等)关键信息.同时,该方法采用动态分配策略实现并行重组中的负载平衡.实验结果证明了ALPPR方法的可行性和有效性.

摘要：文章描述了首都机场行李自动分拣系统中异构数据库系统DECRDB与Oracle间数据迁移的设计和实现。基于异构数据库的数据迁移思想,系统采用OracleRDBODBC、OracleRDBWorkbench建立DECRDB数据库与Oracle数据库的物理连接,运用PowerBuilder提供的数据管道技术编程实现数据的自动迁移。

摘要：针对云平台风险访问控制模型中风险评估指标权重主观设定且固定的问题,提出自适应风险评估指标权重分配方法。首先,通过带约束的多元线性回归设计自适应风险评估指标权重分配模型;然后,提出并优化配方回归算法求解相应权重;最后,构建带有自适应权重分配的风险值量化公式,动态计算访问请求的风险值。实验结果表明,该方法与动态风险访问控制(DRAC)模型、基于系统安全风险的访问控制模型相比,在训练集数量级相同的条件下,其风险值的准确率和灵敏度平均提升了2.8%和18.5%、1.7%和18.7%。该方法与DRAC模型、基于动态属性的风险感知访问控制(DA-RAAC)模型以及基于系统安全风险的访问控制模型相比,在访问请求数量相同的条件下,响应时间平均缩短了9.2%、34.6%和96.6%。所提方法在大并发用户数情况下所得风险值有较高的准确率和灵敏度,且响应时间更短,更适用于云环境。

摘要：双馈风机并网系统易发生次同步振荡,受制于建模精度及控制器本身参数结构的固定性,传统的附加阻尼控制器可能存在适应性不强的问题。该文设计一种基于无模型自适应控制的次同步阻尼控制方法,依托动态线性化技术从系统输入输出数据中提取动态特征,以摆脱控制方法对建模准确性的依赖,增强控制器自适应性。首先,基于无模型控制方法设计控制器结构,并提出一种适用于阻尼控制的一步向前加权预测控制算法;进一步地,从理论上证明改进控制算法下闭环系统的跟踪误差一致最终有界性及有界输入–有界输出稳定性,并提出控制器参数的优化方法。最终,在综合考虑风速、风电场有功/无功出力、风机台数、线路串补度等影响因素的情况下,验证所提控制方法的抑制效果,结果表明,该方法具备很强的自适应性,在多种工况下均能有效抑制次同步振荡。

摘要：基于网络自保护理论和多元异常分析方法,提出一种网络攻击自主防护机制.根据PDRR理论模型,设计网络自保护系统主要功能模块.运用多元异常分析方法,提出基于网络流的多元异常分析网络攻击检测算法.该算法根据网络流测量指标的异常偏差值对其分类,并对分类网络流分配路由调度优先级,削弱网络攻击对正常网络通信流的影响.实验结果表明,提出的网络自主防护机制能显著提高网络系统应对攻击行为的防御能力.

摘要：提出一种民航网络自保护系统模型,设计其系统结构与分层响应框架,在系统中设计了基于角色的访问控制策略和基于Agent的通信加密机制.实验证明,该系统模型的访问控制策略及通信机制能够有效保护网络自保护系统中的数据安全.

摘要：密文策略的属性基加密(ciphertext-policy attribute-based encryption,CP-ABE)一方面能够保护数据的机密性,另一方面能够实现细粒度访问控制,但是难以直接实现用户撤销,为此提出了一种新的高效支持用户撤销的云存储访问控制方案。采用半可信的云存储服务提供商(cloud storage provider,CSP)和引入由数据属主自定义的访问权限属性集,通过由CSP执行数据属主发出的撤销用户的命令的方式实现用户撤销,在整个过程中保证数据对CSP是保密的。实验结果表明,相较于通过改进加密实现用户撤销的CP-ABE方案,该方案整体计算开销较小。

摘要：数值分析了大功率半导体激光器模块的散热特性及温度场,以及焊料、热沉、导热胶和冷水板温度等参数对芯片内部最高温度的影响。结果表明,焊料厚度小于24μm时,其导热系数对芯片内部最高温度影响较弱,无高阻层形成;芯片内部最高温度随着热沉长或宽尺寸及导热系数的增大,呈指数形式下降,随着热沉厚度的增大呈对数形式升高;当导热胶导热系数大于20W/(m·K)、厚度小于30μm时,芯片温度趋于稳定;冷水板温度与芯片内部最高温度呈比例系数为1的线性相关性。根据分析结果提出了激光器封装部件的尺寸、导热系数或材料的设计和选择原则。

摘要：代码表征旨在融合源代码的特征,以获取其语义向量,在基于深度学习的代码智能中扮演着重要角色.传统基于手工的代码表征依赖领域专家的标注,繁重耗时,且无法灵活地复用于特定下游任务,这与绿色低碳的发展理念极不相符.因此,近年来,许多自监督学习的编程语言大规模预训练模型(如CodeBERT)应运而生,为获取通用代码表征提供了有效途径.这些模型通过预训练获得通用的代码表征,然后在具体任务上进行微调,取得了显著成果.但是,要准确表示代码的语义信息,需要融合所有抽象层次的特征(文本级、语义级、功能级和结构级).然而,现有模型将编程语言仅视为类似于自然语言的普通文本序列,忽略了它的功能级和结构级特征.因此,旨在进一步提高代码表征的准确性,提出了基于多模态对比学习的代码表征增强的预训练模型(representation enhanced contrastive multimodal pretraining,REcomp).REcomp设计了新的语义级-结构级特征融合算法,将它用于序列化抽象语法树,并通过多模态对比学习的方法将该复合特征与编程语言的文本级和功能级特征相融合,以实现更精准的语义建模.最后,在3个真实的公开数据集上进行了实验,验证了REcomp在提高代码表征准确性方面的有效性.