日产mv和欧美mv的区别,日韩人妻精品无码一区二区三区,日本又色又爽又黄又免费网站

軍事智能數(shù)據(jù)安全問題：對抗攻擊威脅[通信與網(wǎng)絡][信息安全]

人工智能技術已深入軍事作戰(zhàn)的各個領域，對現(xiàn)代戰(zhàn)爭形態(tài)進行了全面革新。數(shù)據(jù)作為軍事智能模型的核心驅動力，為模型的有效運轉提供了保障。然而，由于深度學習的不可解釋性，對抗攻擊技術的存在給當前軍事智能模型帶來了嚴峻的數(shù)據(jù)安全問題。這種威脅在智能系統(tǒng)的訓練和推理過程中均可能產(chǎn)生，形式多樣，難以防范。同時，受到對抗樣本干擾的軍事數(shù)據(jù)類型多樣，敵方采取的欺騙手段也日趨復雜。因此，分析軍事智能數(shù)據(jù)安全風險樣態(tài)，并進一步給出軍事智能數(shù)據(jù)風險的防范措施，希望能夠為增強軍事智能數(shù)據(jù)的安全性提供有益的參考和借鑒。

發(fā)表于：11/26/2024 1:49:00 PM

國標《數(shù)據(jù)安全技術數(shù)據(jù)分類分級規(guī)則》分析與解讀[其他][其他]

2024年3月14日，國家標準化管理委員會正式發(fā)布了國標GB/T 43697—2024《數(shù)據(jù)安全技術數(shù)據(jù)分類分級規(guī)則》。該標準是我國在數(shù)據(jù)治理方面的最新研究成果，也是我國首次采用“數(shù)據(jù)安全技術”作為前綴的國標文件。該文件的發(fā)布將在國家安全、社會秩序、經(jīng)濟運行等多個方面產(chǎn)生重大影響。從國內(nèi)外數(shù)據(jù)分類分級治理的相關研究背景出發(fā)，介紹了新國標的文本內(nèi)容，對比了中美兩國對數(shù)據(jù)的規(guī)制方案。本文認為，新國標的發(fā)布，將在提升國家數(shù)據(jù)治理水平、補齊國家安全短板、應對國際數(shù)據(jù)規(guī)則制定壓力和提升我國國際形象等方面產(chǎn)生積極影響。最后，對我國未來數(shù)據(jù)安全工作給出了建議與展望。

發(fā)表于：11/26/2024 1:33:02 PM

基于高性能FPGA的超高速IPSec安全設備設計與實現(xiàn)[可編程邏輯][工業(yè)自動化]

基于高性能FPGA提出了一種超高速IPSec安全設備的設計方案；此方案在以CPU作為控制中樞的基礎上，利用高性能FPGA配合高速接口實現(xiàn)100G的IPSec安全傳輸，同時利用高性能FPGA和噪聲源芯片實現(xiàn)國密算法對高速數(shù)據(jù)進行加解密。搭建測試環(huán)境對樣機進行測試，測試結果表明，超高速IPSec安全設備可完成高達82 Gb/s吞吐率的IPSec安全傳輸，整個系統(tǒng)延時達90 μs級。

發(fā)表于：11/26/2024 1:29:21 PM

基于多粒度級聯(lián)森林優(yōu)化算法的網(wǎng)絡入侵檢測模型研究[通信與網(wǎng)絡][信息安全]

針對大規(guī)模網(wǎng)絡入侵方式層出不窮，為應對多形態(tài)下的網(wǎng)絡安全威脅，提出一種基于多粒度級聯(lián)森林優(yōu)化算法的網(wǎng)絡入侵檢測模型。首先對原始數(shù)據(jù)進行預處理，然后融合Fisher Score算法對不同特征信息進行權重選擇排序，最后將其排序后的特征信息送入級聯(lián)森林的卷積層和森林層，對特征信息進行深度表達和分類，從而得到精準的分類結果。經(jīng)KDD 99數(shù)據(jù)集進行驗證，在不同測試集占比為90%、70%和30%三組實驗情況下，分別實現(xiàn)了98.20%、99.00%、99.27%的分類精度。實驗結果證明，所提算法能夠準確識別多種網(wǎng)絡攻擊，為現(xiàn)有網(wǎng)絡入侵檢測提供有效區(qū)分依據(jù)。

發(fā)表于：11/26/2024 1:17:00 PM

數(shù)據(jù)要素驅動下的工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新發(fā)展與應用研究[通信與網(wǎng)絡][工業(yè)自動化]

工業(yè)互聯(lián)網(wǎng)是數(shù)字化、網(wǎng)絡化、智能化時代各項先進技術在工業(yè)領域的深度融合。數(shù)據(jù)作為新型生產(chǎn)要素，正日益成為工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新發(fā)展的核心驅動力，在促進生產(chǎn)效率提升、優(yōu)化生產(chǎn)過程、助力生產(chǎn)模式轉型升級等方面發(fā)揮重要作用。從數(shù)據(jù)要素與工業(yè)互聯(lián)網(wǎng)平臺的基本概念出發(fā)，系統(tǒng)論述了數(shù)據(jù)要素驅動工業(yè)互聯(lián)網(wǎng)平臺的作用機理，結合工業(yè)互聯(lián)網(wǎng)平臺典型應用場景，深入分析了我國數(shù)據(jù)要素驅動工業(yè)互聯(lián)網(wǎng)平臺發(fā)展面臨的現(xiàn)實問題與挑戰(zhàn)，并給出相應對策及建議，旨在為數(shù)據(jù)要素驅動工業(yè)互聯(lián)網(wǎng)平臺創(chuàng)新應用和推廣提供深刻洞察和有益啟示。

發(fā)表于：11/26/2024 1:07:37 PM

基于頻差的衛(wèi)星通信互調干擾源定位方法研究[通信與網(wǎng)絡][航空航天]

針對衛(wèi)星通信系統(tǒng)頻帶內(nèi)互調干擾的定位問題進行研究，分析互調干擾產(chǎn)生機理，并給出系統(tǒng)內(nèi)互調干擾定位方法。定量分析互調干擾頻譜特性，并結合頻譜管控站分配各站頻率，建立系統(tǒng)內(nèi)各站頻率及頻差動態(tài)數(shù)據(jù)庫，設計基于頻差的衛(wèi)星通信互調干擾源定位方法，精確定位干擾站。仿真結果驗證了該方案在互調干擾定位過程的可行性，有效降低了干擾定位時間并提升了準確定位干擾站的概率，為衛(wèi)星通信系統(tǒng)面臨此類干擾時的快速定位提供解決方法，對衛(wèi)星通信網(wǎng)的穩(wěn)定運行具有較大實際意義。

發(fā)表于：11/14/2024 5:21:57 PM

一種寬輸入范圍高效率宇航二次電源的設計[電源技術][航空航天]

提出一種寬輸入電壓、高效率100 W宇航二次電源的設計方法。輸入電壓范圍達到20 V~50 V，可覆蓋星上28 V母線、42 V母線電壓范圍。峰值效率達到90%以上，具有體積小、功率密度高的特點。采用單端反激電路拓撲，通過加入斜坡補償技術，使得反激變換器的占空比工作在60%以上，拓寬了輸入電壓范圍。同時采用平面變壓器技術，降低變壓器漏感，提高效率并減小尺寸。

發(fā)表于：11/14/2024 5:06:32 PM

基于先進工藝技術的機電控制SiP電路的設計與測試[模擬設計][工業(yè)自動化]

機電控制系統(tǒng)包含多款芯片，其小型化、輕量化的需求日益迫切，系統(tǒng)級封裝（System in Package）技術作為一種先進封裝手段能夠將多款不同類型的芯片集成于更小的空間中?；谙到y(tǒng)級封裝技術，并結合TSV與FanOUT技術設計了一款機電控制SiP電路，該電路包括頂層DSP信號控制單元和底層FPGA信號處理單元，兩者通過PoP（Package on Package）形式堆疊構成SiP電路，相比于常規(guī)分立器件所搭建的機電控制系統(tǒng)，該SiP體積縮小70%以上，重量減輕80%以上。針對該款SiP電路設計了相應的測試系統(tǒng)，且對內(nèi)部的ADC及DAC等芯片提出了一種回環(huán)測試的方法，能夠提高測試效率。測試結果表明，該電路滿足設計要求，在機電控制領域具有一定的應用前景。

發(fā)表于：11/14/2024 4:52:16 PM

基于區(qū)塊鏈和神經(jīng)模糊系統(tǒng)的邊緣計算移動接入網(wǎng)絡安全增強框架[通信與網(wǎng)絡][信息安全]

為了提高車聯(lián)網(wǎng)的安全性，提出了基于神經(jīng)模糊系統(tǒng)和區(qū)塊鏈的移動邊緣計算網(wǎng)絡安全增強框架。該框架結合了批量認證、密鑰交換等技術，將區(qū)塊鏈與移動邊緣計算相結合，架構上分為感知層、邊緣計算層、服務層三層，感知層通過區(qū)塊鏈確保數(shù)據(jù)安全，邊緣計算層提供資源，服務層采用區(qū)塊鏈技術保護數(shù)據(jù)。仿真表明，結合區(qū)塊鏈和移動邊緣計算能有效提高車聯(lián)網(wǎng)安全性。

發(fā)表于：11/14/2024 4:39:05 PM

智慧農(nóng)業(yè)下基于聯(lián)邦學習的水稻病蟲害分類研究[模擬設計][其他]

在農(nóng)業(yè)發(fā)展過程中，農(nóng)作物的健康問題一直是一個重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過程中的水稻病蟲害分類問題。在智能化農(nóng)業(yè)種植場景下，為了提高設備對病蟲害的分類準確性，同時保護各設備的數(shù)據(jù)隱私，提出使用聯(lián)邦學習來解決各設備間的數(shù)據(jù)孤島問題。實驗選取了七個預訓練模型來提取特征，使用四個指標（準確率、召回率、損失函數(shù)和F1分數(shù)）來評估不同模型上的性能。實驗結果表明，在獨立同分布（IID）和非獨立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準確率分別為99.05%和98.48%，表現(xiàn)出較高的魯棒性和準確率。通過幾種實驗和指標對比發(fā)現(xiàn)，聯(lián)邦學習的應用提升了設備4.36％的準確率，圖像分類模型的收斂時間受到聯(lián)邦學習輪數(shù)round和每輪聯(lián)邦學習中訓練集的訓練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學習的設備數(shù)量增加而提高。

發(fā)表于：11/14/2024 4:23:00 PM