摘要：支持等式测试的标识加密(identity-based encryption with equality test, IBEET)体制解决了传统等式测试方案中证书管理的问题,得到了广泛的关注.但现有的IBEET体制难以抵抗渗透攻击,且都是基于国外密码算法设计,不具有自主知识产权.基于此,提出一种支持等式测试并具有密码逆向防火墙的SM9标识加密方案(SM9 identity-based encryption scheme with equality test and cryptographic reverse firewalls, SM9-IBEET-CRF).该方案在用户与云服务器的上行信道间部署密码逆向防火墙(cryptographic reverse firewalls,CRF),对用户发出的信息执行重随机化以达到抵抗渗透攻击的作用.该方案拓展国密算法SM9至IBEET领域中,提升其运行效率并丰富国密算法在云计算领域的研究.给出了SM9-IBEET-CRF的形式化定义和安全模型,并在随机预言机模型中考虑2种不同的敌手将此方案在选择密文攻击下的不可区分性与单向性分别形式化地规约到BDH困难假设上.同时,该方案通过考虑第3种敌手证明CRF的部署为其带来维持功能性、保留安全性以及抵抗渗透性.实验仿真和分析结果展示了该方案的有效性.

摘要：随着全球经济的持续增长,人类社会对能源的需求也在不断攀升.然而,传统的化石燃料无法再生,并且由于其过度消耗而引发的环境问题日益凸显,这使得寻找清洁、可持续的能源替代品成为当务之急.其中,通过人工光合作用对太阳能进行转化和储存是一个理想的能源替代方案.光电化学(PEC)水分解技术可以将太阳能直接转化为氢能,并且在氢燃料的生产和燃烧过程中水是唯一的原料和产物,实现了“零碳”排放的紧密氢循环,整个过程被认为是绿色、可持续的.在过去几十年里,大量关于PEC水分解的研究被报道,尤其是在提高太阳能到氢气(STH)转换效率方面取得了较大的进展.然而,光电极在工况下的长期稳定性问题仍然是制约PEC水分解商业化的主要障碍.为了应对这一挑战,催化领域引入了自修复的概念,并将其扩展应用于提高光电极的稳定性,这为解决其稳定性问题提供了新的策略.因此,有必要对实现稳定PEC水分解的自修复机制进行综述.本文系统综述了不同半导体光吸收体、保护层和助催化剂在工况下的衰减机制.首先,重点探讨了窄带隙半导体材料,如硅基(n-Si或p-Si)或III-V族半导体(GaAs,InP等)在工况下的衰减机制.这些材料受到电解液化学腐蚀的影响,导致其理化性质不稳定.特别是在光照或外加偏压的作用下,腐蚀作用会进一步加剧,严重影响其性能.然后,分析了具有合适带隙的半导体材料的衰减机制.受热力学因素影响,非氧化物半导体,如金属硫化物/硒化物、氮化物、氧氮化物、磷化物等,容易被光生空穴氧化;而金属氧化物半导体,如Cu_(2)O,则容易被光生电子还原.此外,热力学上相对稳定的金属氧化物半导体,如BiVO_(4),受动力学因素影响易发生光腐蚀,导致光吸收物种的溶解和晶格结构的破坏.除了半导体材料本身,表面保护层受到寄生光吸收和针孔现象的限制,导致其保护效果降低.助催化剂同样面临着活性衰减和寄生光吸收带来的挑战,这些因素影响了光电极的整体效率和稳定性.为了应对这些挑战,本文总结了一系列具有自修复机制的损伤修复策略,包括光吸收材料和助催化剂中活性组分的内在自修复、半导体中缺陷位点的内在自修复、保护层中的外在自修复以及表面改性层中自修复薄膜的厚度自限性特征.实现这些自修复机制通常需要结合PEC水分解工况下提供的偏压或光电压,并在电解液中添加失活物种的离子源或额外的修复剂.工况下提供的偏压大小以及添加到电解质中的物种数量和浓度将直接决定PEC水分解的自修复能力.综上,自修复作为维持易腐蚀光电极稳定性的理想方式,具有极大的应用潜力.通过利用更先进的原位分析技术能够更深入地揭示光电极/电解质界面在工况下的动态演变规律,从而更好地从本质上了解PEC水分解系统的损伤机制.针对运行状态下损伤部位的针对性修复,可以建立动态稳定的损伤-修复机制,为实现人工光合作用系统的高效和长期稳定运行提供有力保障.展望未来,需要进一步深入剖析并完善自修复机制,使其成为催化系统开发的一般性设计原则,此外,还应积极探索将自修复机制扩展至更广泛的应用平台和场景中,为推动清洁能源领域的进一步发展贡献更多的解决方案.

摘要：为解决在噪声环境下建模的过拟合问题,基于小波采样理论,提出一种适用于小波神经网络的新型准则函数,并设计了相应的训练算法。这种算法能够利用样本分布和误差训练输入和输出层权值,因此可以大大提高小波神经网络的学习效率。理论和试验表明,新型准则函数有力地保证了小波神经网络的泛化能力,其相应的算法具有全局收敛性,并对噪声变化具有良好的鲁棒性。

摘要：随着智能移动终端的日益普及,人们越来越多地利用社交网络平台(如Twitter、新浪微博等)获取信息、评论和交流.虽然全球卫星定位系统(GPS)设备能够精确获取位置信息,但是大量用户出于隐私和安全的考虑不会直接共享自己的位置信息.因此,如何获取在线用户的地理位置成为了一个前沿的研究领域以及学术界和工业界共同关注的重要课题,并且成为众多下游应用的基础,例如基于位置的定向广告投放、事件/地点的推荐、自然灾害或疾病预警和网络犯罪的追踪等.详细总结了预测社交网络用户地理位置的方法、数据、评价体系和基础算法.首先,归纳了不同的定位任务以及相应的评价指标;其次,针对不同的任务梳理所用的数据类型和数据融合方式,并且,详尽分析了已有的信息抽取和特征选择方式及其优缺点;再次,对现有定位模型和算法进行分类,从地名词典、传统机器学习和深度学习3个方面对用户定位方法进行阐述和分析;最后,总结了社交网络用户地理位置预测的难点和面临的挑战,并展望该领域的发展趋势和未来研究所需要关注的方向.

摘要：为解决农作物检测机器人路径规划算法在复杂农田环境下精度低、速度慢等问题,设计轻量化Transformer模型,将其用于农作物检测机器人的路径规划任务中。采用余弦函数替代softmax计算,使得查询、键、值向量的计算可拆分,时间复杂度由原来的Ο(N 2)降低到Ο(N)。通过四种不同聚合方式处理特征向量,确定节点权重分配。试验结果表明,基于轻量化Transformer的农作物检测机器人路径规划方法能够显著提高农作物检测机器人的效率和准确性。相比传统的规则化路径规划算法,将100规模农作物检测机器人的路径长度缩短5.91%;相比Transformer模型,推理时间缩短50%,训练时间缩短75%,为农作物检测机器人的路径规划提供一种新颖且有效的解决方案。

摘要：室温品质因数低下是石墨烯纳机电谐振器走向工程应用面临的关键瓶颈,欧姆损耗难以完全解释石墨烯室温低品质因数以及品质因数应力调控现象.耗散稀释理论揭示了传统高应力硅基谐振器品质因数调控的内在能量及耗散机制,有望适用于石墨烯类二维材料体系.本文基于Zener滞弹性理论,对比分析高应力石墨烯薄板-薄膜模型下的能量分布与耗散特性,揭示边界处弯曲势能在总弯曲势能中的主导作用,指出薄板模型更适宜分析谐振器能量耗散特性.基于耗散稀释理论,结合石墨烯弯曲刚度特性,构建石墨烯纳机电谐振器耗散稀释理论模型,提出声子晶体软支撑耗散稀释机制.采用三角晶格晶胞构建声子晶体,并以此构建声子晶体软支撑石墨烯纳机电谐振器,仿真验证局域态的存在且其品质因数放大因子高于非局域态近5倍,证明了声子晶体软支撑设计提高品质因数的有效性.通过分析局域态的振幅与曲率分布,解释了声子晶体软支撑局域振动能量、抑制耗散的机制.仿真分析品质因数放大因子与软支撑声子晶体层数关系,研究发现仅需2~3层声子晶体即可实现较优局域效果,对谐振器设计具有重要指导意义.针对设计方案,提出了大规模悬空石墨烯背浮法制备工艺与石墨烯声子晶体软支撑结构FIB刻蚀工艺,成功实现了声子晶体软支撑石墨烯纳机电谐振器的制备.扫频测试结果表明,声子晶体软支撑石墨烯谐振器品质因数为圆形鼓膜石墨烯谐振器的2.5倍,验证了声子晶体软支撑结构抑制耗散提高品质因数的有效性.本文所建立石墨烯耗散稀释理论模型与声子晶体软支撑耗散稀释机制为石墨烯纳机电谐振器耗散特性研究提供了新思路,所研制声子晶体软支撑石墨烯纳机电谐振器为石墨烯纳机电谐振器谐振特性分析、耗散机制研究提供了新平台和新方法.

摘要：为了高效处理大数据所具有的复杂性和不确定问题,将“不确定性问题+直觉模糊集理论+量子计算”交叉融合,构建基于直觉模糊集理论的量子模糊信息管理数学模型。为了验证该模型的可行性、合理性和有效性,设计了不确定性环境下基于参数化量子线路的量子模糊神经网络仿真实验。实验结果表明,基于该模型的量子模糊神经网络模型能更客观、准确、全面地反映不确定性问题中各对象所蕴含的知识信息,从而提高算法处理大数据的准确性。

摘要：声表面波是激发和控制自旋波的一种新兴手段,不仅激励效率高,而且传输长度可以达到毫米量级,通过引入磁声耦合还可以打破时空反演对称性,实现声表面波的非互易传播.本文对不同类型的磁声耦合的物理机制进行了梳理,对比了磁弹性耦合、自旋-涡度耦合(包括非磁性层注入交变自旋流和磁性材料自身的Barnett效应),以及磁-旋转耦合在不同模式的声表面波激发下的等效驱动磁场,讨论了这些等效驱动场的角度依赖性,以及相应功率吸收的频率依赖性.这为在实际应用中区分和利用各种磁声耦合机制提供了理论支持.此外,本文还介绍了利用磁声耦合实现声表面波非互易性传输的两种主流手段,包括利用手性失配效应和引入具有非互易性自旋波色散关系的磁结构,对比并讨论了它们各自的物理机制和优劣势,希望为设计和发展基于磁声耦合的固态声学隔离器、环形器提供参考.

摘要：原始采集的医学图像普遍存在对比度不足、细节模糊以及噪声干扰等质量问题,使得现有医学图像分割技术的精度很难达到新的突破。针对医学图像数据增强技术进行研究,在不明显改变图像外观的前提下,通过添加特定的像素补偿和进行细微的图像调整来改善原始图像质量问题,从而提高图像分割准确率。首先,设计引入了一个新的优化器模块,以产生一个连续分布的空间作为迁移的目标域,该优化器模块接受数据集的标签作为输入,并将离散的标签数据映射到连续分布的医学图像中;其次,提出了一个基于对抗生成网络的EnGAN模型,并将优化器模块产生的迁移目标域用来指导对抗网络的目标生成,从而将改善的医学图像质量知识植入模型中实现图像增强。基于COVID-19数据集,实验中使用U-Net、U-Net+ResNet34、U-Net+Attn Res U-Net等卷积神经网络作为骨干网络,Dice系数和交并比分别达到了73.5%和69.3%、75.1%和70.5%,以及75.2%和70.3%。实验的结果表明,提出的医学图像质量增强技术在最大限度保留原始特征的条件下,有效地提高了分割的准确率,为后续的医学图像处理研究提供了一个更为稳健和高效的解决方案。

摘要：针对不依赖遥控和导航的无人机及机群的反制需求和传统硬杀伤武器反应速度慢、费效比高等问题,研制了高功率微波无人机反制系统,该系统主要由脉冲调制器、脉冲磁控管、大功率传输波导系统及辐射天线等组成。本文简述了系统的设计方案,包括系统的组成和各分机的参数设计。辐射测试和效能试验结果表明:系统脉冲等效辐射功率达到20 GW,能够满足200 m空域内无人机及机群反制需求。系统工作不依赖于无人机的控制和导航方式,同时具备攻击速度快、费效比低、受天气影响小的特点。