測控設備狀態(tài)分析輔助決策系統(tǒng)的設計與實現(xiàn)[其他][其他]

針對一些測控任務對各類測控數(shù)據(jù)的分析利用程度較低的問題，提出了一種綜合分析測控設備的工作狀態(tài)，并形成相關(guān)輔助決策信息的技術(shù)。并且基于“主框架+組件”的模式，設計實現(xiàn)了相應的軟件系統(tǒng)，系統(tǒng)通過匯集測控設備上報的各類測量數(shù)據(jù)信息，對測量數(shù)據(jù)的實時性、準確性、穩(wěn)定性、有效性等進行綜合分析，形成輔助決策結(jié)論。目前該系統(tǒng)已成功應用于實際工程，對未來測控任務的執(zhí)行具有一定的借鑒價值。

發(fā)表于：12/15/2021

ADS-B信號干擾源自動監(jiān)測與粗定位技術(shù)研究[其他][其他]

針對自動廣播相關(guān)監(jiān)視(ADS-B)數(shù)據(jù)鏈存中GPS信號容易受到干擾的情況，提出了一種自動監(jiān)測和粗定位方法來確定GPS信號干擾源。該技術(shù)處理方法在不改變現(xiàn)有ADS-B系統(tǒng)的基礎(chǔ)上，只是對系統(tǒng)軟件功能進行擴展，利用ADS-B地面站接收的目標數(shù)據(jù)，實時跟蹤每個目標的運動軌跡，制定跟蹤規(guī)則和算法，開展GPS信號干擾分析，準確獲取GPS信號丟失和恢復的時間、經(jīng)緯度、高度等數(shù)據(jù)，并與飛機的飛行軌跡進行對比分析，同時將分析數(shù)據(jù)展現(xiàn)在電子地圖上，通過飛行大數(shù)據(jù)分析降低GPS信號干擾排查成本，提升人工排查GPS信號干擾源的效率，減少民航飛行安全隱患。

發(fā)表于：12/15/2021

通用指揮顯示數(shù)據(jù)引擎架構(gòu)及應用設計[其他][其他]

航天發(fā)射場指揮顯示不僅涉及各大系統(tǒng)的多種方式、多類協(xié)議的數(shù)據(jù)接入，還存在不同參試系統(tǒng)型號以及臨時新增參數(shù)帶來的參數(shù)內(nèi)容、協(xié)議字段調(diào)整的問題。如何在不更改現(xiàn)有平臺軟件代碼的情況下完成各類接口參數(shù)的接收、傳輸、處理與存儲是指顯數(shù)據(jù)引擎架構(gòu)設計的重點。針對上述情況，提出了一種面向試驗任務指揮顯示的通用數(shù)據(jù)引擎架構(gòu)。該架構(gòu)基于“平臺+組件”的設計思想，通過數(shù)據(jù)接入、解析、存儲組件化，從而實現(xiàn)通過配置，靈活完成指顯系統(tǒng)與內(nèi)外部系統(tǒng)的信息交換，并支持集中式、分布式、混合式多種指顯數(shù)據(jù)接入分發(fā)應用模式。

發(fā)表于：12/15/2021

基于ARM和深度學習的智能行人預警系統(tǒng)[其他][其他]

針對行人交通安全問題，開發(fā)行人檢測系統(tǒng)以提醒行人和司機危險的發(fā)生。對目標檢測神經(jīng)網(wǎng)絡模型進行分析和對比實驗，選取以darknet為網(wǎng)絡框架的YOLO-fastest模型進行改進優(yōu)化并采用分類并標簽的實時交通數(shù)據(jù)進行訓練，最終將訓練模型部署至開發(fā)板完成實時性檢測并能夠根據(jù)車輛速度反饋給行人危險信號。實驗結(jié)果表明YOLO-fastest模型的平均檢測精度為96.1%，檢測速度為33 f/s，模型大小為1.2 MB，既滿足檢測精度又滿足檢測速度的要求，能夠完成對真實交通場景下的實時性檢測。

發(fā)表于：12/15/2021

基于混合表征學習的專利分類方法研究[其他][其他]

專利分類是專利分析的基本任務，而基于深度學習的自動化專利分類方法可以有效地執(zhí)行專利分類任務?，F(xiàn)有研究大多利用自然語言處理方法，基于單個專利的文本內(nèi)容(如摘要和標題)對專利文本進行分類，而專利及標簽之間的宏觀關(guān)系(如專利之間的引用和標簽之間的共現(xiàn))在很大程度上被忽略。為了緩解專利分類中單一專利信息的問題，構(gòu)建了三個圖網(wǎng)絡表示專利及其標簽之間的宏觀關(guān)系，然后提出一個基于混合表征學習的專利分類框架，將專利及標簽的宏觀關(guān)系融入分類中，以提高專利的自動化分類的準確性。在真實的專利數(shù)據(jù)集的實驗結(jié)果表明，該分類方法在多個評價指標上取得了最佳的性能。

發(fā)表于：12/15/2021

基于YOLOV5的藥品表面缺陷實時檢測方法[其他][其他]

藥品在實際生產(chǎn)過程中總會伴隨著異物、缺粒、藥體破損等表面缺陷，這些缺陷輕則影響產(chǎn)品使用效果,重則會在使用過程中產(chǎn)生巨大事故造成生命財產(chǎn)損失。針對深度學習模型在實際工業(yè)產(chǎn)品表面缺陷檢測中缺陷樣本少以及細小缺陷檢測精度低的應用問題，將目前主流的目標檢測算法之一——YOLOV5應用于藥品檢測場景，提出了一種精度高、所需標注樣本少、檢測速度快的one-stage實時缺陷檢測系統(tǒng)——RDD_YOLOV5(Real-time Defects Detection_YOLOV5)。利用原始圖像初級特征進行數(shù)據(jù)增強，結(jié)合注意力機制與多尺度特征融合，增加骨干網(wǎng)絡提取跨通道語義信息能力，充分融合高層語義信息與底層細粒度信息以提升模型在小缺陷檢測方面的識別效果，在有限的樣本條件下達到較高的準確率。該方法檢測效果達到了96.6%mAP，32 FPS。

發(fā)表于：12/15/2021

基于LUT的多目機場視頻實時拼接算法設計與實現(xiàn)[其他][其他]

針對機場中多路實時視頻信號的情況，開展了8路視頻實時全景拼接的算法研究工作，基本完成了8路視頻實時全景拼接算法的設計與實現(xiàn)。首先，借助現(xiàn)有全景圖片合成軟件，完成了圖像配準，即找出每路視頻圖像到全景圖的像素坐標映射關(guān)系；完成圖像配準之后，根據(jù)像素坐標映射關(guān)系建立查找表，利用查找表，同時使用OpenMP多核并行加速，完成視頻每一幀的實時拼接。相鄰兩路視頻之間的重疊區(qū)域使用線性融合的方法進行融合。實驗結(jié)果表明，該研究方法可完成8路960×540分辨率視頻的實時全景拼接，得到無明顯畸變?nèi)爱嬅妗?/a>

基于改進麻雀算法的工控入侵檢測方法[其他][其他]

為了解決如何選取最為有效的工控入侵數(shù)據(jù)特征集，從而提高入侵檢測性能的問題，提出了一種基于改進麻雀搜索算法(Improved Sparrow Search Algorithm，ISSA)和孿生支持向量機(Twin Support Vector Machine，TWSVM)的新型工控入侵檢測方法(ISSA-TWSVM)。ISSA采用立方混沌映射初始化種群并引入動態(tài)慣性權(quán)重，融合對位差分進化策略與柯西變異算子，對當前最優(yōu)解進行交叉變異，從而增強麻雀算法全局搜索和跳出局部最優(yōu)的能力，并在基準測試函數(shù)上證明了ISSA的優(yōu)秀性能。之后基于ISSA對工控特征子集尋優(yōu)后，約簡數(shù)據(jù)特征，利用TWSVM對工控數(shù)據(jù)進行二分類判別。在MSU公布的工控網(wǎng)絡標準數(shù)據(jù)集上的實驗結(jié)果表明，ISSA-TWSVM可以快速提取出最優(yōu)特征子集，極大地提高算法檢測性能。

發(fā)表于：12/15/2021

基于加權(quán)判別隨機鄰域嵌入的故障特征提取算法[其他][數(shù)據(jù)中心]

針對大數(shù)據(jù)維數(shù)高、非線性強、噪聲敏感、故障特征信息冗余、部分歷史數(shù)據(jù)類別標記信息可獲取等特點，對適用于非線性數(shù)據(jù)的t-SNE無監(jiān)督流形學習方法進行改進，提出一種基于加權(quán)判別隨機鄰域嵌入的故障特征提取算法。在原始高維空間和相應的低維子空間定義包含類別信息的數(shù)據(jù)相似度，使用Manhattan距離作為度量方式以增大數(shù)據(jù)相對距離差，基于距離遠近關(guān)系進行相似度加權(quán)，由此充分利用類別標記約束指導降維，使得類間更分散而類內(nèi)更緊湊。結(jié)合KNN方法的UCI仿真數(shù)據(jù)集分類實驗與KDD99網(wǎng)絡故障診斷實驗，表明該改進故障特征提取算法能夠?qū)崿F(xiàn)更有效的故障診斷。

發(fā)表于：12/15/2021

國家治理現(xiàn)代化視域下我國網(wǎng)絡信息安全問責機制研究[通信與網(wǎng)絡][信息安全]

網(wǎng)絡信息安全問責機制建設是國家治理體系和治理能力現(xiàn)代化進程在網(wǎng)絡信息安全治理領(lǐng)域的重要一環(huán)。在網(wǎng)絡信息安全已上升為國家戰(zhàn)略的背景下，針對國內(nèi)外嚴峻復雜的網(wǎng)絡空間環(huán)境與形勢，提出構(gòu)建和發(fā)展現(xiàn)代化的網(wǎng)絡信息安全問責機制。通過結(jié)構(gòu)功能分析和歸納分析，以國家治理現(xiàn)代化為視角深入解析機制的運行內(nèi)核及其現(xiàn)存困境，最后提出優(yōu)化我國網(wǎng)絡信息安全問責機制的思路和建議。

發(fā)表于：12/15/2021

基于ATT&CK框架的域威脅檢測[通信與網(wǎng)絡][信息安全]

保障企業(yè)域環(huán)境中的敏感信息與數(shù)據(jù)的安全一直是安全研究人員所面臨的挑戰(zhàn)之一。針對這一難題，提出將ATT&CK框架所提供的攻擊行為知識庫與域安全防御結(jié)合，對ATT&CK中涉及的域安全相關(guān)戰(zhàn)術(shù)和技術(shù)進行全覆蓋，在模擬環(huán)境中分析實時產(chǎn)生的日志數(shù)據(jù)，監(jiān)控并捕獲敏感日志事件和連續(xù)異常的日志事件。最后，組織安全領(lǐng)域技術(shù)人員進行紅藍實戰(zhàn)對抗。對抗結(jié)果表明，基于ATT&CK框架能夠有效檢測域攻擊姿勢。

發(fā)表于：12/15/2021

涉及隱私侵占類APP識別與分類方法研究[通信與網(wǎng)絡][信息安全]

隨著信息基礎(chǔ)建設的發(fā)展和移動應用的普及，用戶個人信息在使用過程中被應用開發(fā)者大量收集，出現(xiàn)了對個人信息的非法泄露和使用問題，嚴重威脅到了個人信息安全。為了更加高效準確地識別是否存在侵占隱私行為及對應APP類別，提出了一種基于多模態(tài)特征的多策略組合的識別算法。首先，該算法采用Word2vec的方法來完成APP相關(guān)文本的詞匯層面的特征向量表示，隨后有針對性地將獲得的特征向量輸入CNN網(wǎng)絡進行分類，接著根據(jù)文本分類的結(jié)果和多種行為特征集合生成應用程序特征向量，最后結(jié)合多種不同的基分類器，采用硬投票的方式預測侵占隱私行為。實驗結(jié)果表明，經(jīng)過訓練的模型在驗證集上的分類結(jié)果F1值最高可達91%，該方法可以有效地對侵占隱私類APP進行識別及分類，有助于在大數(shù)據(jù)時代，保障個人信息安全建設。

發(fā)表于：12/15/2021

基于圖神經(jīng)網(wǎng)絡進程行為嵌入表示的入侵檢測[模擬設計][工業(yè)自動化]

入侵檢測是保障網(wǎng)絡空間安全的一項重要技術(shù)。隨著入侵者技術(shù)手段的升級，新一代的入侵檢測系統(tǒng)中需要融入人工智能技術(shù)以提升檢測效果。提出一種基于圖神經(jīng)網(wǎng)絡進程行為嵌入表示的入侵檢測方法，該方法將計算機事件日志轉(zhuǎn)化為系統(tǒng)日志對象連接圖結(jié)構(gòu)，并在該圖上使用圖神經(jīng)網(wǎng)絡框架進行頂點嵌入，從而得到計算機內(nèi)進程行為的向量表達；在此基礎(chǔ)上，建立多階轉(zhuǎn)移模型，為計算機描述整體的進程行為基線，并以偏離該基線的程度作為入侵行為檢測的依據(jù)。經(jīng)過多個攻擊場景的驗證，本文方法能夠有效地檢測出多種入侵行為。

發(fā)表于：12/15/2021

HIRO 部署新一代可擴展邊緣微型數(shù)據(jù)中心[電源技術(shù)][物聯(lián)網(wǎng)]

邊緣計算對于充分發(fā)揮人工智能 （AI）、機器學習和物聯(lián)網(wǎng) （IoT） 的全部潛能至關(guān)重要。這些技術(shù)正在融入我們生活的方方面面：自動駕駛、智能樓宇、機器人、供應鏈管理和醫(yī)療保健。

發(fā)表于：12/14/2021

使用我們的第三方生態(tài)系統(tǒng)更輕松地設計TI 毫米波雷達[微波|射頻][汽車電子]

如果您剛剛接觸雷達或有興趣使用雷達替換現(xiàn)有的傳感技術(shù)，那么無論是設計產(chǎn)品還是投入量產(chǎn)，您都需要學習大量內(nèi)容。為了降低學習門檻，德州儀器 （TI） 創(chuàng)建了一個由雷達專家組成的第三方生態(tài)系統(tǒng)，無論您需要什么幫助，他們都可以為您提供相應的解決方案。

發(fā)表于：12/14/2021