摘要：介绍了基于角色的访问控制模型,并针对基于Web方式的决策支持系统的安全问题,通过分析某银行经营决策支持系统的特点以及对信息安全访问的具体要求,讨论了一种基于角色的Web应用系统访问控制机制及其特点和优势,并阐述了在Java平台下该机制的一种实施方案。

摘要：云计算和移动互联网的高速发展,使得云端服务器需要同时和大规模客户端保持实时交互,XMPP消息通信技术使用基于TCP长连接的方式来实现这一功能.然而,现有的XMPP服务器系统大多基于传统的并发模型设计,整体性能较差,无法应对大规模并发的需求.本文针对XMPP服务器的特点,提出了一种基于Actor模型的XMPP服务器架构设计,并给出了一种基于一致性哈希的分布式消息路由算法,有效提升了系统的并发度、弹性扩展能力,以及消息传递的效率.实验表明基于本文方法实现的系统相比于现有其他系统,性能有很大提升,可以适应大规模并发的场景.

摘要：针对现有管理信息系统的安全问题 ,介绍了基于角色的安全访问控制RBAC基本模型。该模型形式化的描述了用户、角色、操作许可之间的关系。此外 ,通过分析某大型企业管理信息系统的特征以及企业对信息安全访问控制的具体要求 ,提出了基于角色的安全机制设计方案。此方案具有较大的灵活性 ,使系统的安全性得到提高 ,并能够简化授权管理。

摘要：许多复杂的物理现象和动态系统尚未为科学家所完全理解和解释,因此不能构建确定的数学方程来描述,不能直接使用紧凑的物理机理模型来进行分析和预测。随着观测数据的日益丰富,数据驱动的机器学习方法可以较好地描述复杂非线性现象,但是纯数据驱动模型在表征能力、可解释、泛化能力、样本利用效率方面还存在很多不足。常规机器学习方法在地学领域的应用还面临时空异质性、样本稀疏等带来的挑战。近年来感知物理先验的机器学习方法可以在物理原理不太明确的情况下更有效地利用观测数据描述和分析动态系统,受到了广泛关注,并在物理、计算机、生物、医学和地学等领域得到了一定的应用。近年来人工智能和机器学习技术已经大量应用于地理学尤其是地理信息和遥感领域,受到地理学者广泛重视,被称为地理空间智能,并已成为一个热门的研究方向。感知物理先验的机器学习方法融合了模型驱动和数据驱动思想,为地理空间智能研究带来新的研究范式,促进各种复杂地理现象的精细描述和预测。本文首先分别从物理先验的表达形式和如何在机器学习中集成物理先验两方面概述了该领域的进展。物理先验是在机器学习建模之前已经存在、独立于机器学习方法的知识。本文从增广的数据和定制特征、物理定律和约束规则、支配方程、几何特性等方面总结物理先验知识的表达形式。主要从机器模型约束建模、辅助任务设计和模型的训练推理角度总结如何在机器学习模型中有效集成各种物理先验。本文基于以上的综述框架,结合地学机器学习和地理空间智能的发展和前沿问题,探讨了地理时空先验与其他物理先验的关系,简要总结和分析了目前感知时空先验的地理空间智能方法研究案例,探讨了时空先验表征以及集成时空先验地理空间智能的未来研究规划和应用前景。随着感知物理先验的机器学习方法研究的快速发展,我们相信感知时空先验的地理空间智能研究未来将逐步构建起跨多时空尺度的通用地理表征、分析、预测和解释框架,不仅能更好地解决地理信息科学的传统问题,还将鼓励地理学者与其他相关学科一起建立交叉研究的前沿机会,探索解决人类未来面临的共同挑战。