摘要：模糊测试是一种针对物联网设备固件漏洞挖掘的主流方法,能够先攻击者一步发现安全威胁,提升物联网设备的安全性.但是目前大部分的模糊测试技术关注于如何自动化地实现漏洞挖掘,忽略了专家经验对于设备固件漏洞挖掘工作的优势.本文提出一种基于人机协同的物联网设备固件漏洞挖掘方案HMFuzzer,设计了基于设备固件前后端交互的设备固件关键信息提取方法,通过模拟设备固件、设备管理界面以及用户三方交互模式获取固件潜在的关键信息,并通过二进制文件定位和函数分析技术解析出固件关键函数.此外,HMFuzzer通过在模糊测试的预处理、测试和结果分析阶段引入专家经验,利用上一阶段获取的关键信息,结合强化学习算法,优化种子变异和模糊测试流程,显著提升了模糊测试的覆盖率、效率以及漏洞挖掘能力.实验结果表明,相比于现有的固件漏洞挖掘方法,HMFuzzer的漏洞识别成功率能提高10%以上,具备更强的漏洞检测能力.特别是,针对真实厂商的物联网设备测试,HMFuzzer发现了多个0-day漏洞,其中已获得4个CVE/CNVD高危漏洞.

摘要：卷积神经网络的表征与预测能力往往依赖结构合理性,但其主流结构均由人工设计,存在设计难度高、算力要求强、时间开销大等问题.如何让神经网络自主搜索合理结构并节约计算资源是当前的研究重点.目前,基于部分通道连接的可微分结构搜索算法,以其高效的显存利用率在搜索速度和分类性能上表现良好.然而,其针对通道的随机采样策略易造成重要信息丢失,当通道连接不足时性能明显下降.为此,提出一种基于通道性能度量的神经网络结构搜索算法,利用注意力机制提取通道重要性系数,并以此对通道进行排序采样.此外,考虑到预热阶段导致搜索不充分,产生较大离散化误差,在结构权重连续化的过程中设计温度正则化系数,提升权重差异.实验表明,所提算法能够在节约计算资源的基础上搜索出更优的卷积神经网络结构.

摘要：大环糊精(large ring cyclodextrin,LR-CD)是由9个至数百个吡喃葡萄糖单元组成的环状α-1,4-葡聚糖,主要通过环糊精葡萄糖基转移酶或4-α-糖基转移酶的环化作用使直链淀粉发生分子内转糖基作用得到。与常见α-、β-、γ-环糊精(cyclodextrin,CD)相比,LR-CD的空腔尺寸更大,表现出独有的结构和理化特性,这些性质使LR-CD在食品、医药、生物等领域展现出巨大的应用潜力。然而,LR-CD的制备成本高,产率较低,并且缺乏有效的分离纯化方法,因此目前还未实现工业化生产与应用。本文分别从优化底物、设计基于模板诱导的新反应路径、酶分子改造及产物的分离纯化等方面综述酶法制备LR-CD的研究近况与挑战,为LR-CD的工业化生产和应用提供参考。

摘要：1,4-丁二醇是一种重要的化学品中间体,已被列入NICNAS高价值量工业化学品清单(HVICL).随着1,4-丁二醇的全球市场需求量不断增加,利用微生物法合成1,4-丁二醇已成为关注热点.基于多酶级联催化构建了一条以γ-丁内酯为底物合成1,4-丁二醇的路径,首先通过己内酯水解酶(ChnC)将γ-丁内酯水解为4-羟基丁酸,接着在羧酸还原酶(Car)的作用下,将4-羟基丁酸还原成4-羟基丁醛,随后,利用醇脱氢酶(YqhD)将4-羟基丁醛进一步还原生成1,4-丁二醇;同时通过引入了甲酸脱氢酶(FDH)构建了NADH/NAD+辅酶循环再生系统.最后对底物添加浓度、催化温度、pH和多酶添加比例进行了优化.综合3种酶的最适反应条件优化之后,在30℃、pH 7.0、酶活力添加比例为1:3:2的优化条件下,以5 g/Lγ-丁内酯为底物,1,4-丁二醇产量达到2.41 g/L,摩尔转化率为46.1%,与优化前相比分别提高了375.46%和374.79%.最后,通过底物补加试验,1,4-丁二醇的合成量最高达到6.31 g/L,摩尔转化率最高达到67.3%.本研究基于新设计的1,4-丁二醇多酶级联催化路径,实现了1,4-丁二醇酶法合成,结果有望为酶催化合成1,4-丁二醇及其高附加值衍生的产品提供一种新的思路.(图12表2参41)

摘要：面向未来近月空间站部署需求,提出了一种三级修正的长期拟周期近直线晕轨道(NRHO)设计方法。首先,设计了新的离散点选取策略,降低了对参数敏感区域的打靶需求,提高了多点打靶法计算多圈次拟周期NRHO的收敛性能。然后,基于NRHO的对称特性,给出了初始拟周期NRHO圈次延续方法和滚动时域长期拟周期NRHO生成方法,根据拟周期NRHO近月点半径设计了修正策略。使用不同的NRHO进行仿真实验,生成了维持500圈约10年的长期拟周期NRHO。仿真结果表明本方法提高了收敛效率,且能有效生成地月空间长期拟周期NRHO。

摘要：评估指标在代码合成领域中至关重要.常用的代码评估指标可以分为3种类型:基于匹配、基于语义和基于执行.其中,基于执行的Pass@k指标通过执行测试用例,能够准确判断预测代码的功能准确性.然而,该指标的计算需要大量开销,因此亟需设计一种自动化评估指标,在无需测试用例时仍可评估预测代码的功能准确性.此外,好的评估指标应当具有鲁棒性,即预测代码发生微小改变时,评估指标仍能保持其准确性.为此,提出了一种基于UniXcoder和对比学习的自动化鲁棒指标CodeScore-R,用于评估代码合成的功能准确性. CodeScore-R采用草图化处理、语法等价转换和变异测试等技术手段,有效减轻了标识符、语法结构和运算符对评估结果的干扰.实验结果表明,在Java和Python语言上的代码生成和迁移任务中,CodeScore-R的表现优于其他无需测试用例的评估指标,且更接近Pass@k指标,并具有更强的鲁棒性.

摘要：本文基于Wilcoxon符号秩(Signed Rank, SR)检验统计量,提出了一种非参数自适应指数加权移动平均(Adaptive Exponentially Weighted Moving Average, AEWMA)控制图。所提出的AEWMA SR控制图结合了非参数统计量的稳健受控性能以及自适应控制图良好的整体偏移检测特性。同时,为了提高固定采样间隔下的非参数AEWMA SR静态控制图对异常偏移的检测效率,本文进一步研究了可变采样间隔(Variable Sampling Intervals, VSI)下的非参数AEWMA SR动态控制图设计问题。使用了Markov链方法计算控制图的精确平均运行链长(Average Run Length, ARL)和平均报警时间(Average Time to Signal, ATS)等性能指标。通过仿真分析比较了VSI AEWMA SR控制图、FSI AEWMA SR控制图和VSI EWMA SR控制图的统计性能。结果表明,所提出的VSI AEWMA SR控制图能兼顾对于不同大小偏移的敏感性,且变采样间隔的动态策略能显著提高控制图的检测效率。

摘要：金属有机框架化合物(MOF),又称多孔性配位聚合物,是有机配体与金属离子自组装而成的一类新型有机-无机杂化多孔材料,是纳米材料的重要组成部分。与其他多孔材料相比,MOFs具有较大的比表面积、高的孔隙率以及结构和性质可调等特性,使其在非均相催化领域具有良好的应用前景。本文首先对MOFs催化的背景进行简述,然后对近年来报道的MOFs用于有机分子催化转化反应的进展进行了综述及展望,以期为MOFs催化有机反应的设计和开发提供参考。

摘要：针对点云稀疏性和单模态数据信息不足导致远小物体检测困难的问题,提出了一种双注意力机制的多模态数据融合的三维目标检测算法。首先,设计了一种体素多邻域特征提取器,扩大体素感受野,融合体素多个上下文信息,以提高体素特征对物体空间结构和语义信息的表征能力及提高特征鲁棒性;其次,提取了体素的图片多层语义特征,底层结构特征和高层语义特征分别保留目标位置信息和语义信息,以增强体素特征;最后,设计了一种多模态特征融合,使用通道注意力自适应融合不同模态特征,使用体素注意力增强有效目标物体特征表达、抑制无用背景物体特征表达。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上的实验结果表明,在远小物体检测上,所提方法较现有多个主流单模态方法和多模态方法取得了较大的性能提升。

摘要：本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.