摘要：以往的网络攻防对抗模型由于仅对采集的数据进行数据去噪和数据压缩处理,导致模型的应用效果不佳。因此,设计了主动代理网关与虚拟补丁联动的网络攻防对抗模型。通过采集网络攻防数据,对采集的数据分别进行数据去噪、数据压缩和数据像素偏移处理,提高数据的质量,利用主动代理网关对预处理后的数据进行筛选,通过计算数据的交互流判断数据是否符合标准,在虚拟补丁的作用下,补充数据信息,计算出数据的长度和标准差,完成对数据的特征提取,利用计算的攻击路径曲线和防御路径曲线的效用值,构建相应的网络攻防对抗模型。通过上述的设计,完成对网络攻防对抗模型的设计。在仿真实验中,和以往的网络攻防对抗模型相比,设计的主动代理网关与虚拟补丁联动的网络攻防对抗模型使用攻击成功率为91.8%,应用效果更好。

摘要：为了提高平面二级倒立摆模型控制过程的动态、静态性能及对控制器参数的自适应整定能力和抗干扰能力,提出一种将PID控制与模糊控制相结合的自适应控制算法。应用拉格朗日方程建立平面二级倒立摆数学模型。根据实际经验确定模糊隶属度函数并建立模糊规则表。通过计算误差和误差变化率设计自适应模糊PID控制器。为设计的控制器建立仿真模型,并与PID、模糊、LQR等控制方法对比实验性能。仿真结果表明:建立的自适应模糊PID控制器的超调量、调节时间更小,上、下摆角及位移的摆动幅度低,控制精度更高,且系统抗噪能力强,鲁棒性良好。验证了所提方法的理论正确性和控制算法的有效性。

摘要：在企业数字化建设过程中,网络安全评估是企业数字化环境安全保护中的一项重要工作。企业数字化资源在运行进程中,会由于遭到攻击者、病毒等各种因素的影响,进而产生不同的安全性问题,从而影响数字化系统使用的安全性。这时候也就需要通对企业的数字化环境进行安全评价,为企业的网络安全保护提供合理决策。传统线性的评估方式在目前网络安全评价中评测准确度较低,也因此使得评估结果不佳。笔者在日常工作中,采用了神经网络的网络安全评价体系,可以适应当前企业在数字化转型过程中网络安全保障的需要,并获得了广泛应用。因此本篇将着重解析在神经网络下的网络安全评估体系的设计。

摘要：针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的"微分项膨胀"问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。

摘要：对配有不同配筋率的混凝土简支标准梁（550mm×150mm×150mm）进行了静载和等幅疲劳荷载试验研究，试件配筋率分别为0％、0．29％、0．487％、0．934％和1．946％。这批试件的破坏形式为：折断破坏、弯拉破坏和剪压破坏。针对不同的破坏形式，提出了2个破坏界限配筋率的概念，并推导了可供配筋混凝土路面设计参考的界限配筋率。

摘要：介绍了ASON的定义、网络的体系结构和标准等有关概念,分析了传送网向智能光网络发展的驱动力,对ASON网络的演进及其智能光网络的规划设计进行了有益地探讨,并提出了发展策略建议。

摘要：利用恶意软件同种族相似性原理,静态分析Android应用配置文件与Java源文件,设计实现了Android恶意代码静态检测系统。提取Android应用权限及组件信息,基于恶意代码行为与组件对应关系,挖掘发现同种族恶意软件权限关联性,定义可疑组件规则判定可疑组件,分析可疑组件恶意行为入口点;提取系统调用API序列,以子图形式描述恶意代码行为模式,并利用AGM算法对同种族恶意软件的行为子图进行频繁模式挖掘。通过构造同族恶意软件频繁权限簇和频繁行为子图关系特征库检测未知的恶意应用。实验结果表明,系统对Android恶意应用软件的识别检测具有较好的效果。