摘要：绳索驱动的分段式蛇形空间机械臂通常具有相同结构的模块化关节,能够在狭小空间中灵巧操作,其精度是制约机器人发展的主要因素。为了提高蛇形空间机械臂的位置精度,指导蛇形空间机械臂的精度设计,以单个2-DOF关节为对象,提出一种正则化的运动学标定方法。首先,对具有多重映射关系的2-DOF关节的运动学进行分析,通过矩阵全微分理论建立包含所有几何误差参数的误差模型。然后,对2-DOF关节各部件的所有误差源进行灵敏度分析,依据3σ原则和理想的位置精度设计指标指导各部件的公差设计。最后,考虑所有的制造和装配误差,采用正则化方法对2-DOF关节进行误差辨识,用于补偿控制器中的名义运动学模型。结果表明,经过修正后的运动学模型的位置精度提高了50%,验证了运动学标定的有效性。

摘要：为提高二进制变种协议字段格式划分的准确率,提出一种基于深度学习的方法,能够自动挖掘协议报文序列的深层字段特征完成协议的字段格式划分。引入一种字段列特征数据集的提取方法,在传统的双向长短期记忆条件随机场网络模型的基础上增加协议字段列特征提取模块,搭建一种专门解决二进制变种协议字段格式划分的神经网络PRO-BILSTM-CRF。与二进制未知协议字段格式划分方法以及几种主流网络模型的对比实验结果表明,在变种协议字段格式划分任务上,提出模型能够取得更高准确率。

摘要：在网络协议不均匀环境下，样本流分布变化对协议分类的准确性和稳定性有较大的影响。针对协议分类中类不均匀和中心点选取问题，提出一种基于最大密距的CK-means协议分类算法。算法通过样本确定算法所需阈值参数，通过获取样本密距值在聚类过程中确定初始中心点并剔除离群点。最大密距法适用于非均匀数据集且计算的中心点更趋近于类别中心位置，能够提高聚类的稳定性和结果的可靠性。实验分析表明，相比于其它算法，改进后的算法能够克服噪声和类不均衡对协议分类的不利影响，在协议分类准确率提高的同时也改善了聚类效果。

摘要：针对软件在线升级的劫持攻击是网络攻击最常用的手段之一。程序分析是快速自动化评估软件升级安全的重要方法,软件中升级功能函数快速逆向定位是实现静态分析和提高动态分析效率的关键前提。传统的程序分析逆向定位,依靠人工经验,根据字符串、API函数等语义信息的交叉引用链关系来实现,效率较低,且无法实现自动化。为解决该问题,提出了一种基于语义分析与逆向分析相结合的软件升级功能定位方法。首先针对软件二进制程序中常见的语义信息(如字符串、函数名、API函数等),建立一个基于自然语言处理的升级语义分类模型;然后借助逆向分析工具提取软件的语义信息,并通过升级语义分类模型来识别升级语义信息;最后定义了一种函数关系调用图形树上的升级函数关键节点求解算法,对升级函数进行求解。文中设计并实现了一个软件在线升级功能定位原型系统,并对常用的153款软件实施了升级功能逆向定位分析,其中126款软件定位成功。通过定位分析初步评估部分软件升级的安全性,获得CNNVD编号漏洞1个,CNVD编号漏洞5个。

摘要：近年来,物联网技术的蓬勃发展带动了智能家居应用的快速发展,越来越多的智能家居平台开放各种应用程序接口,以方便用户实现自定义的智能家居应用,如设备联动控制.然而,这些开放接口中存在的安全缺陷也成为影响智能家居系统安全的重要因素之一.本文针对SmartThings智能家居平台的开放接口进行研究,发现了一系列新的具有安全缺陷的接口,并通过概念验证实验证实了其安全风险.为提升智能家居平台的安全性,设计并实现了检测智能家居云服务中接口滥用行为的工具SmartNotify.实验结果表明,SmartNotify能快速且准确地识别利用安全缺陷接口进行攻击的智能家居应用.

摘要：综述了近年有关含氯挥发性有机化合物(CVOCs)在氧化钴基催化剂上催化燃烧的研究进展,详细介绍了三种提高氧化钴基催化剂催化燃烧CVOCs的活性、稳定性和合乎环境要求产物选择性的策略,包括酸性载体负载、负载高Deacon反应活性组分及制备氧化钴基复合氧化物.从催化剂设计的角度出发,构建具有优异低温氧化还原性能及合适酸性质的氧化钴基催化剂是目前持续关注的研究重点.从催化工艺的角度上看,可以尝试耦合多种反应场景,利用多场协同的策略以提高氧化钴基催化剂的低温活性、稳定性及普适性.

摘要：针对不同带宽基带信号回放到目标中频的需求,设计了一种可变带宽基带信号回放系统。该系统以FPGA为核心数据处理单元,通过配置高速数模转换芯片AD9122和时钟芯片AD9516完成基带信号的回放功能。为解决不同带宽基带信号采样率与DAC发射速率不匹配的问题,设计了一种多速率处理算法,采用多级HB滤波器、CIC滤波器和Farrow滤波器级联的结构实现了任意倍的采样率转换功能。算法仿真和实际测试结果表明该系统能够以较少的资源消耗将1 kHz~20 MHz的可变带宽基带信号回放到目标中频上,回放信号无杂散动态范围不低于60 dBc,满足实际通信系统需求。

摘要：深度学习技术的进展为提高口令猜测效率提供了潜在的新途径.目前,已有研究将循环神经网络(Recursive Neural Network,RNN)、生成式对抗网络(Generative Adversarial Network,GAN)等深度学习模型运用于设计口令猜测模型.本文基于RNN模型、长短期记忆网络(Long Short-Term Memory,LSTM)模型、概率上下文无关文法(Probabilistic Context-Free Grammar,PCFG)与LSTM的混合模型(简称PL模型),提出采用RNN来代替PL模型中的LSTM的思想,将PCFG与RNN在模型层面进行融合,设计了PR模型.为降低猜测模型对大训练样本的依赖,进一步提出了PR+模型,即采用RNN网络来生成字母序列,实现对口令字母段的填充.基于4个大规模真实口令数据集的实验结果显示,PR模型的攻破率略高于PL模型,且始终显著高于传统的PCFG(107量级猜测数下)和Markov模型(106量级猜测数下),并且PR模型的训练效率远优于PL模型.鉴于不同口令模型生成口令猜测的特性不同,将不同模型生成的猜测集组合来生成新的口令猜测集,并基于4个大规模真实口令数据集对不同组合方法进行了对比.尽作者所知,我们首次证实了在相同猜测数下(107~108量级猜测数),组合不同类型模型所生成口令猜测集的破解率通常高于单一猜测集.本文研究显示,GAN模型在猜测数为3.6×108时,破解率仅为31.41%,这表明GAN模型的口令破解效率劣于传统基于概论统计的模型(如PCFG模型和Markov模型)和基于RNN的口令猜测模型,并进一步指出了GAN模型表现不佳的原因.

摘要：目的在脑肿瘤临床诊疗过程中,由于医疗资源稀缺与诊断效率偏低,迫切需要高精度的医学图像分割工具进行辅助诊疗。目前,使用卷积神经网络进行脑肿瘤图像分割已经成为主流,但是其对于脑肿瘤信息的利用并不充分,导致精度与效率并不完善,而且重新设计一个全新且高效的深度神经网络模型是一项成本高昂的任务。为了更有效提取脑肿瘤图像中的特征信息,提出了基于多层级并行神经网络的多模态脑肿瘤图像分割框架。方法该框架基于现有的网络结构进行拓展,以ResNet(residual network)网络为基干,通过设计多层级并行特征提取模块与多层级并行上采样模块,对脑肿瘤的特征信息进行高效提取与自适应融合,增强特征信息的提取与表达能力。另外,受U-Net长连接结构的启发,在网络中加入多层级金字塔长连接模块,用于输入的不同尺寸特征之间的融合,提升特征信息的传播效率。结果实验在脑肿瘤数据集BRATS2015(brain tumor segmentation 2015)和BRATS2018(brain tumor segmentation 2018)上进行。在BRATS2015数据集中,脑肿瘤整体区、核心区和增强区的平均Dice值分别为84%、70%和60%,并且分割时间为5 s以内,在分割精度和时间方面都超过了当前主流的分割框架。在BRATS2018数据集中,脑肿瘤整体区、核心区和增强区的平均Dice值分别为87%、76%和71%,对比基干方法分别提高8%、7%和6%。结论本文提出多层级并行的多模态脑肿瘤分割框架,通过在脑肿瘤数据集上的实验验证了分割框架的性能,与当前主流的脑肿瘤分割方法相比,本文方法可以有效提高脑肿瘤分割的精度并缩短分割时间,对计算机辅助诊疗有重要意义。

摘要：针对连续体机器人控制实时性低、稳定性差的问题,提出一种基于EtherCAT的连续体机器人主从站控制系统。主站使用开源协议栈SOEM,运行在移植了实时内核Xenomai的Linux操作系统上,并且设计了AX58100(从站控制器)+STM32F407(从站微处理器)的从站控制板,完成了从站控制板的硬件设计和软件设计。搭建控制系统测试平台,进行主从站的任务调度测试和实时性测试。结果显示:主站的最大调度延时为27.367μs,系统的发送周期为1055μs,通信抖动为上下浮动10μs,表明主、从站具有良好的实时性和稳定性。