摘要：EXT3文件系统是大多数Linux主机的默认硬盘分区格式,EXT3格式的硬盘中可能存储了大量涉案文件,识别出嫌疑人对这些涉案文件内容执行的增、删、改操作行为,提取出被修改的相关数据对公安机关的调查、取证工作有重要意义。文章对不同类型文件的操作痕迹进行了分析;介绍了EXT3日志文件的基本结构;研究了从日志中提取出文件名称和inode结点信息的方法 ;提出了基于inode编号链表的操作痕迹提取方法 ;设计了用于痕迹提取的状态转换机。设计的操作痕迹提取软件可以直接运行在Linux主机上,通过扫描日志文件完成痕迹提取,经过大量实际测试,软件可以有效提取EXT3文件系统中未被覆盖的操作痕迹。

摘要：为了有效地保障云数据存储及操作的安全性,本文提出了一种改进的全同态加密算法,构建了一个基于全同态加密的云数据库SQL查询中间件的代理平台。实验表明这种基于全同态加密的云数据库查询中间件能有效地保障云端数据的操作安全,在实际运用中具有较好的应用前景。

摘要：火灾勘验现场存在大量复杂的化学性职业危害因素,给火灾调查人员的职业安全与健康带来了极大的威胁。为实现火灾勘验现场化学性职业危害因素的监测,通过危害因素辨识确定检测气体种类及浓度,采用气体传感器阵列技术设计便携式气体分析仪,使用标准气体和材料热解产烟,对气体分析仪的检测有效性进行了验证。结果表明:便携式气体分析仪可实现混合急、慢性毒性气体和可吸入性颗粒物浓度的检测,为火调人员化学职业危害评估与防护提供参考。

摘要：铁离子是生物体内重要的元素之一。设计合成了基于罗丹明B-甘氨酸甲酯的Turn-On型Fe^(3+)荧光探针,利用^(1)HNMR和LC-MS对其结构进行表征。研究结果表明:探针中加入Fe^(3+)后展现出明显的荧光信号,当加入其他分析物(Fe^(2+)、Hg^(2+)、Zn^(2+)、Ba^(2+)、Al^(3+)、Co^(2+)、Cd^(2+)、K^(+)、Na^(+)、Mn^(2+)、Pd^(2+)、Pb^(2+)、Ca^(2+)、Ni^(2+)、Cu^(2+)、Ag^(+))后,探针荧光信号几乎无明显变化,探针对Fe^(3+)具有卓越地选择性,不受其他竞争分析物的干扰;根据反应动力学分析确定探针识别Fe^(3+)是非常迅速的过程,准一级反应动力学常数k为4.97×10^(-2) s^(-1);依据荧光光谱滴定实验可知探针溶液的荧光强度变化量与Fe^(3+)浓度的改变量呈现良好的线性关系,并且计算出最低检测浓度为0.21μmol·L^(-1)。最后,成功地将探针应用于A549细胞体内进行Fe^(3+)浓度的测定。

摘要：大数据条件下,综合利用各种社会感知数据、公安业务等数据信息,针对重要设施潜在威胁进行分析,及时发现作案苗头并进行实时化、智能化预警和预控,是信息化时代确保重要设施安全的有效途径。根据前端实时预警和后台信息研判相结合的预警系统设计思想,在确定预警系统建设目标、功能及组成基础上,可构建可疑人员、可疑物品、可疑事件、风险事件等预警模型。其系统技术架构由感知层、数据层、预警分析层、应用层等要素组成。系统实现的关键技术包括并行处理、深度学习、信息融合等。系统应用中应成立重要设施预警指挥小组,建立预警应急处置联动机制,建立、健全预警法制。

摘要：交叉口是道路网的重要组成部分,交通组织是否合理直接影响交叉口交通功能的发挥。基于安平县为民街与汉王路交叉口交通调查与分析,针对交通运行组织现状及存在问题,提出了交叉口交通组织优化设计方案,运用Synchro仿真软件对优化方案的实施效果进行了验证,结果表明:为民街与汉王路交叉口交通组织优化方案,减少了车辆延误和排队长度,提高了交叉口的服务水平,优化设计方案可行。

摘要：针对不法分子利用金属设备破坏防护网或刺丝滚笼进入高铁线路实施盗窃或破坏的违法犯罪行为,提出了基于无线传感器网络的高铁线路防入侵系统。该系统结合无线传感器网络低功耗、自组网的技术特点,搭建了高铁线路防入侵系统架构,提出了数据采集节点的设计方案和节点部署方案。其中,数据采集节点集成了被动红外、超声波和磁场传感器,三传感器报警数据以"相与"的形式输出作为系统报警信息;重点研究了中继节点的部署方案,并对方案进行了仿真和实例分析,结果表明当中继节点间距不大于140m时,其数量误差被控制在10%以内。该系统能够有效监控高铁线路的入侵行为,并为行车安全提供保障。

摘要：在分析人口火灾发生率同气象资料之间关系的基础上,设计了BP神经网络模型。根据北京市2000年至2006年气象资料及人口火灾发生率的统计数据对该神经网络进行了训练,训练精度为0.000 000 01。使用训练好的BP神经网络模型对北京市2007年和2008年人口火灾发生率进行预测,预测结果与实际值误差分别为0.000 01和0。

摘要：近年来,恶意代码的爆炸性增长对计算机信息系统造成严重威胁,如何在初始阶段有效检测恶意代码成为了备受关注的话题。传统的恶意代码检测技术往往具有较高的误报率和漏报率,基于机器学习技术的恶意代码检测方法也存在提取特征较少、模型框架单一等问题。本文以大型开源数据集Ember为基础,设计了一种深度前馈神经网络模型。将原始数据集进行预处理,转化为二维特征向量;确定模型参数,纵向构建多层稠密结构网络;测试模型的检测效果,并将该模型与其他机器学习算法进行比较。结果表明,该深度前馈神经网络取得了较好的检测效果,基本满足了恶意代码检测要求。

摘要：针对复杂背景的藻类图像较难进行图像分割,难于识别的问题,提出一种基于复杂背景和高分辨率电子显微镜的小环藻识别方法。对藻类图像进行切片处理,以藻类中心为原点进行极坐标变换,得到无复杂背景干扰的感兴趣区域ROI(region of interest);对ROI提取局部二值模式、主成分分析系数、熵、Hu矩、互信息和结构相似度等特征;用获得的特征训练C4.5决策树并对不同藻类图像进行识别处理。实验结果表明,所提方法能够有效识别复杂背景下高分辨电镜的小环藻。