摘要：针对动态车辆保险评估中的隐私需求,设计了一种可转换的环签名方案。首先,结合椭圆曲线线性运算性质进行方案设计,提高了对同一群组的多个签名进行验证的效率;其次,设计了匿名签名到普通签名的选择性转换机制,用于验证用户是否为数据属主。实验结果表明,在签名用户数量较大的情况下,所提方案的签名验证效率比其他方案更高;在签名群组和签名数量都增大的情况下,所提方案仍具有较好的性能。

摘要：针对现有攻击检测方法难以应对持续时间长、攻击手段复杂隐蔽的高级持续威胁的问题,构建了基于注意力机制和溯源图的APT攻击检测模型。首先,基于系统的审计日志构建能够描述系统行为的溯源图;其次,设计优化算法,确保在不牺牲关键语义的前提下缩减溯源图规模;再次,利用深度神经网络(DNN)将原始攻击序列转换为语义增强的特征向量序列;最后,设计并实现了APT攻击检测模型DAGCN,该模型将注意力机制应用于溯源图序列,利用该机制对输入序列的不同位置分配不同的权重并进行权值计算,能够提取较长时间内的持续攻击的序列特征信息,从而有效地识别恶意节点,还原攻击过程。该模型在识别精确率等多个指标上均优于现有模型,在公开的APT攻击数据集上的实验结果表明,该模型在APT攻击检测中的精确率达到93.18%,优于现有主流检测模型。

摘要：针对短期电力负荷预测因受天气、温度、节假日等多重不确定性因素影响而造成精度低的问题,提出一种基于改进Autoformer模型的短期电力负荷预测模型。改变序列分解预处理的惯例,设计深度模型的内部分解模块,该模块提取模型中隐藏状态的内在复杂时序趋势,使得模型具有复杂时间序列的渐进分解能力;提出Nystrom自注意力机制,该机制利用Nystrom方法来逼近标准的自注意力机制。某地电力负荷预测实验结果表明,所提模型比基于标准Autoformer模型的短期电力负荷预测模型的时间复杂度更低,准确率更高。

摘要：中文医疗领域问答容易受到医疗特定词汇的噪声影响,相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息,忽略了携带更多语义信息的单词级别的粗粒度信息。此外,引入外部医学知识图谱可以进一步丰富问答句子中的细粒度信息,然而目前大多数研究通常只采用句子和外部知识共同表示的简单方式。由此提出一种融合多粒度语义信息和知识图谱的中文医疗问答匹配模型(CMQA-MGSI)。该模型引入Lattice网络,结合Word2Vec和BERT设计了两种特征向量提取模型来选择问答句子中最相关的字符序列和单词序列以获得更丰富的多粒度语义信息;为了更好地融合外部领域知识,设计双通道注意力模块提取问答句子和知识图谱中实体嵌入以及关系嵌入之间多个角度的知识表征信息。该模型在数据集cMedQA1.0和cMedQA2.0上的实验表明,效果优于现有的问答匹配模型。

摘要：针对选择性催化还原(SCR)脱硝系统大惯性、多扰动等特点,提出了一种基于多维状态信息和分段奖励函数优化的深度确定性策略梯度(DDPG)协同比例积分微分(PID)控制器的控制策略。针对SCR脱硝系统中存在部分可观测马尔可夫决策过程(POMDP),导致DDPG算法策略学习效率较低的问题,首先设计SCR脱硝系统的多维状态信息;其次,设计SCR脱硝系统的分段奖励函数;最后,设计DDPG-PID协同控制策略,以实现SCR脱硝系统的控制。结果表明:所设计的DDPG-PID协同控制策略提高了DDPG算法的策略学习效率,改善了PID的控制效果,同时具有较强的设定值跟踪能力、抗干扰能力和鲁棒性。

摘要：应用型本科高校建设核心是应用型课程建设,通过应用型课程建设培养应用型人才。应用型课程建设要求从教材、课堂教学、实验、课程设计、考试、课程思政等多维度进行知识体系与教学内容的变革,构建具有自身特色的应用型课程教学体系。“计算机控制系统”是自动化及其相关专业重要的专业基础课,该课程建设方法为其他相似类型课程应用型建设提供了重要参考。

摘要：智能合约在法律层面的关注度不断提高,如何将现实法律合同转化为智能合约程序,保证法律元素提取和程序转换的规范化已经成为当前的研究热点.据此,从合约模板化和语义规范化的角度出发,提出一种合同文本置标语言(CTML),通过对合同中语法、结构、词汇的内容进行标注,实现合同要素的提取与转化.首先,构建合同元模型并建立“要素-属性-成分”的三层语义结构与数源标记语法规则,基于元模型设计面向合同文本的置标语言语法规则,通过CTML完成法律信息规范化提取,形成标注合同;其次,通过递归抽象语法树(AST)并建立映射关系,设计由标注合同到智能法律合约的转换规则,完善法律合同到智能合约可执行代码的转化链条.进而,以保理合同为例,演示了合同文本置标语言的语义提取和代码生成的实际效果,为普通法律合同转化成为智能合约提供了一种技术方法.

摘要：本文首先定义了一个新的隐私保护问题,即量子安全多方逻辑异或,并设计了相应的量子线路,其中多个参与者可以共同计算各自私有比特的逻辑异或.所提出的量子安全多方逻辑异或协议能够保证无条件安全,即信息论安全.在此基础上,我们设计了一种分组策略来降低通信的复杂度,并据此提出了一种改进的量子安全多方逻辑异或协议.进而将其应用于城域网安全通信,使相距很远的用户之间可以安全传输秘密信息.最后在Qiskit中的IBM量子系统上通过电路仿真验证了所提出的量子安全多方逻辑异或协议的正确性和可行性.

摘要：随着对高维多目标优化问题的深入研究,带有不规则Pareto前沿的高维多目标优化问题因其复杂的Pareto前沿分布,给现有方法的求解带来了挑战。针对上述问题,提出一种基于增强生长型神经气的高维多目标进化算法,该算法综合生长型神经气网络的学习特性与二元质量指标的优化特性来增强种群在不规则Pareto前沿的收敛压力。首先,设计了一种增强的生长型神经气网络,该网络利用Pareto最优前沿的拓扑信息指导种群向Pareto最优前沿方向收敛。然后,提出了一种联合度量指标以配合Pareto支配信息来综合评价个体的收敛性。最后,提出一种基于自适应参考点的环境选择增强种群在高维目标空间的多样性。为验证所提算法的性能,在DTLZ和WFG基准问题集中的44个不规则高维多目标优化问题与5种先进的高维多目标进化算法进行对比实验。实验结果表明,所提出的基于增强生长型神经气的高维多目标进化算法的整体性能优于对比算法。

摘要：为了解决输电线路多金具检测任务中存在的小目标和密集遮挡问题并充分利用金具高分辨率航拍图像的信息优势,提出基于先验知识辅助聚类的粗-精输电线路多金具检测方法。首先,通过粗检测模块实现对输电线路高分辨率航拍图像的初步感知。接着,通过先验知识指导结构场景子区域选取模块中聚类算法半径的确定,以自适应聚类出合适的子区域。最后,设计精检测模块充分利用高分辨率航拍图像中的关键信息,进行金具的精确感知,并融合粗检测结果以实现由粗到精的金具识别。经实验证明,基于先验知识辅助聚类的粗-精输电线路多金具检测模型比之基线模型准确率提高了11.3%,对其中小目标金具和密集遮挡金具检测准确率的提高尤为明显。