摘要：为了提高查询验证技术的安全性和计算速度,分析了数字签名链查询验证技术的结构特征,指出其具有数据库构建成本高、验证速度慢和安全性低等不足.将指定验证人签名的思想引入到外包数据库查询验证技术中,并根据外包数据库的安全需求设计了1个指定验证人签名方案,然后结合该签名方案提出一种安全、高效的可保护隐私数据的查询验证技术.该技术在查询验证过程中隐藏了数据拥有者的签名,能防止合谋攻击和伪冒攻击,可实施复杂的内容访问控制策略、保护隐私数据.理论分析和实验数据表明,该查询验证技术的数据库创建成本低、存储开销小、验证速度快、安全性高.

摘要：密码算法的安全性基于密钥的安全性,密钥本质上是随机数.伪随机数基于算法的复杂度,理论上无法保证其真随机性,量子力学的不确定性为真随机数发生器提供了一个完美的熵源.基于YANG等提出的利用量子相位涨落获取实时量子随机数方案,设计了一个加入两个延时线圈的量子随机数光干涉理论模型,并对该理论模型进行随机性分析,所得理论模型具有随机正态分布特征.

摘要：五、1938年,香港、广州、武汉和延安中外画展,延安鲁迅艺术学院在美国展出的时候,陈依范已经构想了一个新的巡展计划。在英国和美国的五个多月时间里,他得到西方朋友的热情接待,展览进行得如此顺利,让他体会到,国际艺术家的交流和团结,能够变成一股强大的力量,因此他确信双向交流必不可少。另一方面,尽管每天忙碌,他仍然有机会近距离见识到正在蓬勃发展的西方现代艺术,觉得有必要把新潮流和新技巧介绍到中国来,让青年画家能够从中汲取养分,促进中国新艺术的发展。

摘要：针对现有语义分割网络模型难以在参数量、推理速度和精确度中取得平衡的问题,设计了一种多尺度特征信息融合的轻量级网络模型(MIFNet)。MIFNet采用编码-解码结构,在编码部分利用分离策略和非对称卷积设计了轻量型特征提取瓶颈结构,且引入空间注意力机制与Laplace边缘检测算子组成边缘-空间融合模块,将空间信息和边缘信息进行融合得到丰富的特征信息。在解码部分引入通道注意力机制恢复特征图尺寸和细节信息完成语义分割。在Cityscapes和CamVid测试集上,MIFNet仅以0.82 M的参数量分别取得了73.1%和67.7%的分割精度,同时在单个GTX 1080Ti GPU下分别获得73.68 frame/s和85.16 frame/s的推理速度,表明该方法在参数量、推理速度和精确度3个指标上得到较好平衡,实现了轻量、快速、精准的语义分割。

摘要：大英博物馆收藏着一批抗日战争初期的中国现代艺术家画作,其中有黄新波的木刻。根据该馆网站数据库提供的名单,黄新波作品总计九张:Push(《推》),The Front Line(《前线》),The Flow of Iron(《铁的奔流》),Survival Line(《生存线》),Surprise Attack(《偷袭》),The Funeral of Mr. Lu Xun(《鲁迅先生葬仪》),Keeping watch(《守望》),Advance(《收复失地》,《大地的怒潮》组画之四),Call to Arms(《拿起武器》,原题《为民族生存而战》,英文标题是陈依范1937年的翻译,海外通行使用)。

摘要：国有企业是中国特色社会主义的重要支柱,其政治生态建设关系党的执政根基。文章结合广东烟草商业企业的实际,遵循问题导向、系统性、动态性和定性定量相结合原则,从领导班子坚强度、政治生活规范度、监督执纪严实度、干部职工廉勤度、选人用人公信度、高质量发展践行度六个维度,构建了政治生态系统评价指标体系。并在此基础上,开发了一套可扩展性强,满足高并发性能、高安全性要求,支持采用云端部署、内部局域网部署的广东烟草系统政治生态评价管理与分析系统。

摘要：随着互联网络数据量的急速增长和在线服务的不断增加,数据中心的网络规模不断扩大。如何构建一个能灵活扩展,具有成本效益,同时在网络进行扩展时能保持其拓扑性质不变的数据中心网络结构,已成为一个颇具挑战性的问题。笛卡尔乘积图是一种具有高可扩展性的复合图,它由基础图构造而来,通过使用笛卡尔乘积图能更灵活地构建任何规模的网络结构。基于笛卡尔乘积图,提出一种新型的数据中心网络结构,称为FSDC。FSDC使用商用m端口交换机和2端口服务器构建而成。与其他的数据中心网络结构相比,FSDC具有更好的灵活性和可扩展性。FSDC可以使用不同的基础图构建相同度的笛卡尔乘积图,因此可以构造不同的FSDC结构,并可以通过使用相同类型的m端口商品交换机来按不同的比例扩展。对FSDC的直径、对分带宽等拓扑性质进行了分析;基于节点间存在多条路径的性质,设计了一种容错路由算法。通过与其他数据中心网络结构进行对比分析和模拟实验,结果表明,FSDC具有良好的灵活性、可扩展性以及较好的成本能耗优势。

摘要：近年来,随着自动驾驶的火热发展,越来越多研究者开始探索图像语义分割网络的轻量化并将其应用于道路交通场景。而目前现存的语义分割网络通常由于参数量庞大难以部署在硬件资源有限的边缘设备,针对这一问题,设计了一个由通道注意力骨干网络(CABb)和空间注意力解码器(SAD)模块构成的双注意力轻量化网络(DALNet),结合“通道-空间”双注意力机制的DALNet在图像上下文语义信息的提取和图像空间信息的恢复上都具有突出的表现。CABb主要由通道注意力瓶颈(CABt)模块组成,CABt模块采用Split策略分离特征通道并行处理多尺度的特征图,引入通道注意力机制进行通道融合,提取多尺度语义信息。SAD模块利用空间注意力机制指导解码器进行双线性插值上采样,恢复分割目标边沿以及细节信息。实验结果表明,DALNet仅凭48万的参数量在城市交通数据集Cityscapes和CamVid最高分别可达到74.1%和70.1%的交并比(mIoU)。DALNet在输入图像分辨率为512×1024的情况下,基于GTX 1080TiGPU可以获得74 frame/s的前向推理速度,远超实时语义分割所需的速度要求。

摘要：介绍了一个基于J2ME平台的移动无线阅读系统的总体结构和功能,该系统用于向手机用户提供在线阅读各种信息的增值服务,重点讨论了在手机上运行的J2ME阅读程序的实现技术。

摘要：对抗样本能够作为训练数据辅助提高模型的表达能力,还能够评估深度学习模型的稳健性.然而,通过在一个小的矩阵范数内扰乱原始数据点的生成方式,使得对抗样本的规模受限于原始数据.为了更高效地获得任意数量的对抗样本,探索一种不受原始数据限制的对抗样本生成方式具有重要意义.鉴于此,提出一种基于生成对抗网络的对抗样本生成模型(multiple attack generative adversarial networks, M-AttGAN).首先,将模型设计为同时训练2组生成对抗网络,分别对原始数据样本分布和模型潜在空间下的扰动分布进行建模;然后,训练完成的MAttGAN能够不受限制地高效生成带有扰动的对抗样本,为对抗训练和提高深度神经网络的稳健性提供更多可能性;最后,通过MNIST和CIFAT-10数据集上的多组实验,验证利用生成对抗网络对数据分布良好的学习能力进行对抗样本生成是可行的.实验结果表明,相较于常规攻击方法, M-AttGAN不仅能够脱离原始数据的限制生成高质量的对抗样本,而且样本具备良好的攻击性和攻击迁移能力.