123,123,123

云計(jì)算中心運(yùn)維數(shù)據(jù)可視化研究[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

針對(duì)云計(jì)算中心運(yùn)維數(shù)據(jù)分散、可視化程度低等問(wèn)題，提出了建設(shè)基于InfluxDB和Grafana的云計(jì)算中心運(yùn)維指標(biāo)可視化平臺(tái)。該平臺(tái)從多個(gè)維度對(duì)運(yùn)維數(shù)據(jù)進(jìn)行展示，使用戶(hù)能夠全面了解云計(jì)算中心運(yùn)行情況，提高運(yùn)維管理工作的效率。

發(fā)表于：2020/12/15 16:02:00

油田工業(yè)控制系統(tǒng)網(wǎng)絡(luò)安全解決方案研究[通信與網(wǎng)絡(luò)][安防電子]

工業(yè)控制系統(tǒng)現(xiàn)已廣泛應(yīng)用在油田行業(yè)，隨著兩化融合、智慧油田建設(shè)進(jìn)程的加速，油田工控網(wǎng)絡(luò)從相對(duì)封閉到趨于開(kāi)放，工控系統(tǒng)的脆弱性和外部威脅被進(jìn)一步放大，嚴(yán)重影響著國(guó)家油田行業(yè)的安全生產(chǎn)、穩(wěn)定運(yùn)營(yíng)。從油田工控實(shí)際需求出發(fā)，依據(jù)工業(yè)控制系統(tǒng)等級(jí)保護(hù)擴(kuò)展要求，結(jié)合油田工業(yè)控制系統(tǒng)協(xié)議多樣、設(shè)備可靠性要求高、安全機(jī)制不能影響實(shí)時(shí)性等特點(diǎn)，從安全通信網(wǎng)絡(luò)、安全區(qū)域邊界、安全計(jì)算環(huán)境、安全管理中心等方面著手，研究貼合油田行業(yè)特征的工控網(wǎng)絡(luò)安全解決方案。

發(fā)表于：2020/12/15 15:59:27

淺談信息系統(tǒng)安全集成服務(wù)能力建設(shè)[通信與網(wǎng)絡(luò)][安防電子]

網(wǎng)絡(luò)安全已是國(guó)家戰(zhàn)略。從事信息系統(tǒng)安全集成服務(wù)企業(yè)的服務(wù)能力，對(duì)于信息系統(tǒng)建設(shè)具有重要的影響。安全集成服務(wù)認(rèn)證作為一項(xiàng)自愿性認(rèn)證受到廣大IT企業(yè)的認(rèn)可。在從事安全集成服務(wù)認(rèn)證審核中，發(fā)現(xiàn)依然存在一些共性方面的問(wèn)題。剖析安全集成服務(wù)內(nèi)涵，總結(jié)分析企業(yè)在安全集成服務(wù)能力方面存在的問(wèn)題及產(chǎn)生問(wèn)題的主要原因，對(duì)于企業(yè)安全集成服務(wù)能力提升提出一些建議。

發(fā)表于：2020/12/15 15:53:00

基于控制圖的有軌電車(chē)能耗分析方法研究 [其他][智能交通]

針對(duì)傳統(tǒng)的有軌電車(chē)能耗分析方法缺少對(duì)異常數(shù)據(jù)的判斷分析，難以有效發(fā)現(xiàn)能耗數(shù)據(jù)特點(diǎn)以及各數(shù)據(jù)之間潛在關(guān)系等問(wèn)題，提出結(jié)合控制圖與灰關(guān)聯(lián)分析法的有軌電車(chē)能耗分析集成方法。利用控制圖對(duì)能耗數(shù)據(jù)波動(dòng)情況進(jìn)行分析，并結(jié)合灰關(guān)聯(lián)數(shù)據(jù)分析算法對(duì)影響能耗數(shù)據(jù)因素進(jìn)行分析，通過(guò)利用已開(kāi)通運(yùn)營(yíng)的廣州有軌電車(chē)能耗數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明有軌電車(chē)能耗分析法能夠更好地對(duì)各項(xiàng)能耗數(shù)據(jù)波動(dòng)情況進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)對(duì)能耗異常數(shù)據(jù)識(shí)別、找出影響能耗的相關(guān)因素，為有軌電車(chē)系統(tǒng)節(jié)能提供輔助決策，可為已運(yùn)營(yíng)的有軌電車(chē)系統(tǒng)能耗數(shù)據(jù)分析提供一定參考。

發(fā)表于：2020/12/15 15:48:00

立方攻擊研究進(jìn)展[其他][其他]

立方攻擊是一種新型的代數(shù)分析方法，剛提出時(shí)對(duì)密碼算法的分析效果并不理想。但是在引入多重集合可分性、可分路徑的概念之后，立方攻擊的過(guò)程轉(zhuǎn)化為求解混合整數(shù)線性規(guī)劃問(wèn)題,再使用數(shù)學(xué)軟件進(jìn)行計(jì)算，大大提高了其分析能力。梳理了立方攻擊的技術(shù)脈絡(luò)，論述了其最新進(jìn)展，給出了立方攻擊亟待解決的研究問(wèn)題，這將有助于掌握立方攻擊的最新技術(shù)，便于開(kāi)展對(duì)分組密碼、序列密碼和哈希函數(shù)等密碼算法的分析工作。

發(fā)表于：2020/12/15 15:47:26

具有關(guān)系敏感嵌入的知識(shí)庫(kù)錯(cuò)誤檢測(cè)[人工智能][其他]

發(fā)表于：2020/12/15 15:40:26

基于FPGA的高精度信號(hào)發(fā)生器[模擬設(shè)計(jì)][其他]

在當(dāng)代許多電子信息系統(tǒng)中，信號(hào)源的性能參數(shù)往往對(duì)系統(tǒng)的功能起著決定性作用。采用直接數(shù)字頻率合成技術(shù)（Direct Digital Synthesize，DDS），基于現(xiàn)場(chǎng)可編程門(mén)陣列（FieldProgrammable Gate Array，F(xiàn)PGA）設(shè)計(jì)了能同時(shí)輸出4路信號(hào)的高精度信號(hào)發(fā)生器。同時(shí)依靠串口通信的方式，通過(guò)PC端的控制界面實(shí)時(shí)調(diào)節(jié)系統(tǒng)輸出信號(hào)的頻率、相位和死區(qū)時(shí)間。

發(fā)表于：2020/12/15 15:37:00

基于交點(diǎn)的新層次聚類(lèi)算法[人工智能][其他]

介紹了一種新的分層聚類(lèi)算法，該聚類(lèi)算法的主要目的是利用交點(diǎn)提供更好的聚類(lèi)質(zhì)量和更高的準(zhǔn)確性。為了驗(yàn)證該聚類(lèi)算法，對(duì)基準(zhǔn)數(shù)據(jù)集進(jìn)行了幾次實(shí)驗(yàn)，并與其他五種廣泛使用的聚類(lèi)算法進(jìn)行對(duì)比。使用純度作為外部標(biāo)準(zhǔn)來(lái)評(píng)估聚類(lèi)算法的性能，并計(jì)算了由聚類(lèi)算法得出的每個(gè)聚類(lèi)的緊密度，以評(píng)估聚類(lèi)算法的有效性。實(shí)驗(yàn)結(jié)果表明，在大多數(shù)情況下，該算法的錯(cuò)誤率低于研究中使用的其他聚類(lèi)算法。

發(fā)表于：2020/12/15 15:28:16

16線POTS ONT硬件設(shè)計(jì)[模擬設(shè)計(jì)][其他]

光網(wǎng)絡(luò)設(shè)備（Optical Network Terminal,ONT）是XPON網(wǎng)絡(luò)接入方案中的產(chǎn)品，是一種應(yīng)用在用戶(hù)端的光網(wǎng)絡(luò)終端，有GPON和EPON。介紹以PON ONU SOC為主控芯片的16線POTS ONT的硬件設(shè)計(jì)及遇到的問(wèn)題以及如何解決這些問(wèn)題。此設(shè)計(jì)是一款基于GPON（ITU-T G.984）標(biāo)準(zhǔn)并支持以太網(wǎng)和語(yǔ)音接口的ONT，適用于北美市場(chǎng)，滿(mǎn)足NEBS1標(biāo)準(zhǔn)。本設(shè)計(jì)的特點(diǎn)是有16線的語(yǔ)音用戶(hù)接口和1個(gè)GE的接口，上聯(lián)是GPON，支持Dying Gasp且功耗低。

發(fā)表于：2020/12/15 15:22:00

基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[人工智能][通信網(wǎng)絡(luò)]

網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具，在游戲娛樂(lè)、工程設(shè)計(jì)、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過(guò)求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果，存在著求解速度慢、不夠魯棒的問(wèn)題。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò)，使用一類(lèi)人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，并與傳統(tǒng)優(yōu)化算法進(jìn)行對(duì)比。結(jié)果表明，使用建立的網(wǎng)格參數(shù)化模型，在保證參數(shù)化效果的同時(shí)，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。

發(fā)表于：2020/12/15 15:20:50