一区二区三区国产-一区二区三区高清-一区二区三区成人-一区二区三区不卡视频-久久精品99-久久精品99

農(nóng)村土地流轉(zhuǎn)是深化農(nóng)村改革的重要抓手。中國(guó)農(nóng)村土地信息碎片化嚴(yán)重，牽扯部門眾多，而土地流轉(zhuǎn)各利益關(guān)聯(lián)方素質(zhì)參差不齊，造成土地流轉(zhuǎn)中信任問(wèn)題突出，嚴(yán)重影響并制約土地流轉(zhuǎn)市場(chǎng)健康發(fā)展。在分析農(nóng)村土地流轉(zhuǎn)特性的基礎(chǔ)上，論證聯(lián)盟鏈在解決土地流轉(zhuǎn)具有技術(shù)優(yōu)勢(shì)，給出了土地流轉(zhuǎn)聯(lián)盟鏈平臺(tái)的架構(gòu)設(shè)計(jì)，將聯(lián)盟鏈與大數(shù)據(jù)相結(jié)合，設(shè)計(jì)土地流轉(zhuǎn)過(guò)程中土地確權(quán)登記、交易流轉(zhuǎn)、契約保障、價(jià)值體現(xiàn)全流程的聯(lián)盟鏈實(shí)現(xiàn)方案，并且與數(shù)據(jù)治理體系有機(jī)結(jié)合，不但提高數(shù)據(jù)的可靠性，同時(shí)強(qiáng)化后續(xù)數(shù)據(jù)使用的效果。

為保障海洋數(shù)據(jù)的質(zhì)量和安全，針對(duì)海洋監(jiān)管的數(shù)據(jù)采集與共享需求，研究與分析了區(qū)塊鏈技術(shù)的原理與架構(gòu)，利用區(qū)塊鏈分布式存儲(chǔ)、去中心化服務(wù)、不可篡改及可溯源的優(yōu)點(diǎn)，建立了基于區(qū)塊鏈網(wǎng)絡(luò)的數(shù)據(jù)采集與共享系統(tǒng)。系統(tǒng)對(duì)數(shù)據(jù)采集及共享過(guò)程進(jìn)行完整、可靠的記錄，從源頭上保障數(shù)據(jù)的真實(shí)性和可靠性，實(shí)現(xiàn)海洋多源數(shù)據(jù)動(dòng)態(tài)采集、安全共享和協(xié)同服務(wù)，為深入挖掘海洋大數(shù)據(jù)的價(jià)值，提高政府決策、海洋經(jīng)濟(jì)發(fā)展的服務(wù)質(zhì)量提供技術(shù)保障。

以資管領(lǐng)域的托管人履行投資監(jiān)督職責(zé)為突破口，將區(qū)塊鏈的技術(shù)特點(diǎn)與投資監(jiān)督業(yè)務(wù)緊密結(jié)合，打造基于區(qū)塊鏈的投資監(jiān)督業(yè)務(wù)系統(tǒng)。借助于區(qū)塊鏈技術(shù)優(yōu)勢(shì)，該系統(tǒng)構(gòu)建了可持續(xù)發(fā)展的投資監(jiān)督業(yè)務(wù)生態(tài)，進(jìn)而可以實(shí)現(xiàn)銀行、基金、保險(xiǎn)、證券及資產(chǎn)管理公司等機(jī)構(gòu)之間投資監(jiān)督數(shù)據(jù)的可信、安全、高效傳遞，實(shí)現(xiàn)投資合規(guī)監(jiān)控、風(fēng)險(xiǎn)信息的共享與共識(shí)，提升業(yè)務(wù)處理自動(dòng)化水平和效率，為客戶提供優(yōu)化的服務(wù)體驗(yàn)。

將區(qū)塊鏈技術(shù)應(yīng)用在數(shù)字版權(quán)的權(quán)屬確定、數(shù)字版權(quán)轉(zhuǎn)變?yōu)閿?shù)字資產(chǎn)和數(shù)字資產(chǎn)金融和交易領(lǐng)域，具有不受地域時(shí)間的限制、系統(tǒng)自動(dòng)生成、權(quán)屬申請(qǐng)實(shí)時(shí)完成、不可篡改結(jié)果、原件加密處理保證安全等特點(diǎn)，從而實(shí)現(xiàn)版權(quán)申請(qǐng)的公平和公正。區(qū)塊鏈技術(shù)的數(shù)字版權(quán)體系包括：區(qū)塊鏈底層基礎(chǔ)設(shè)施系統(tǒng)、數(shù)字版權(quán)法律流程應(yīng)用系統(tǒng)、數(shù)字版權(quán)申請(qǐng)流程應(yīng)用系統(tǒng)、數(shù)字版權(quán)指紋加密應(yīng)用系統(tǒng)、數(shù)字版權(quán)鑒權(quán)應(yīng)用系統(tǒng)、數(shù)字版權(quán)權(quán)利確認(rèn)應(yīng)用系統(tǒng)、分布式數(shù)據(jù)存儲(chǔ)控制應(yīng)用系統(tǒng)、點(diǎn)對(duì)點(diǎn)控制協(xié)議。區(qū)塊鏈數(shù)字版權(quán)資產(chǎn)交易應(yīng)用體系包括：區(qū)塊鏈底層基礎(chǔ)設(shè)施系統(tǒng)、數(shù)字資產(chǎn)交易應(yīng)用系統(tǒng)、版權(quán)資產(chǎn)價(jià)值評(píng)估與估值聯(lián)盟應(yīng)用系統(tǒng)、法律律師事務(wù)機(jī)構(gòu)聯(lián)盟應(yīng)用系統(tǒng)、司法機(jī)構(gòu)聯(lián)合應(yīng)用系統(tǒng)。區(qū)塊鏈數(shù)字版權(quán)資產(chǎn)金融服務(wù)體系包括：金融資產(chǎn)融資機(jī)構(gòu)應(yīng)用系統(tǒng)和中短期信貸應(yīng)用系統(tǒng)。基于區(qū)塊鏈的數(shù)字資產(chǎn)交易最根本核心是資產(chǎn)流動(dòng)轉(zhuǎn)移和信任。

大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)安全事件層出不窮，安全態(tài)勢(shì)感知系統(tǒng)的應(yīng)用勢(shì)在必行。通過(guò)挖掘日志數(shù)據(jù)并進(jìn)行安全分析，可以實(shí)現(xiàn)對(duì)異常事件的追責(zé)與溯源，有效地減少網(wǎng)絡(luò)安全事故的發(fā)生。針對(duì)傳統(tǒng)K-Means算法時(shí)間開銷大、執(zhí)行效率低的問(wèn)題，將改進(jìn)K-Means算法在大數(shù)據(jù)計(jì)算框架Hadoop上實(shí)現(xiàn)并行化，來(lái)滿足大數(shù)據(jù)下安全態(tài)勢(shì)感知系統(tǒng)日志安全分析的需求。實(shí)驗(yàn)表明，改進(jìn)后的算法在有效性和時(shí)間復(fù)雜度方面都優(yōu)于傳統(tǒng)算法。

V2X(Vehicle to Everything)業(yè)務(wù)安全的關(guān)鍵在于對(duì)消息的真實(shí)性校驗(yàn)和個(gè)人隱私的保護(hù)，在建立身份認(rèn)證體系時(shí)要合理定義各個(gè)參與方的安全邊界及責(zé)任，防止來(lái)自內(nèi)部及外部的攻擊。在借鑒國(guó)外SCMS、CCMS體系的基礎(chǔ)上，基于LTE-V2X技術(shù)特點(diǎn)和道路交通管理體系，通過(guò)分析V2X證書管理體系的實(shí)際需要，針對(duì)證書管理的關(guān)鍵過(guò)程給出相應(yīng)的安全策略建議，提出面向LTE-V2X的PKI架構(gòu)參考建議，可實(shí)際應(yīng)用于LTE-V2X業(yè)務(wù)部署及相關(guān)系統(tǒng)的開發(fā)設(shè)計(jì)。

提出一種大型分布式入侵檢測(cè)系統(tǒng)(Broad-scale Distributed Intrusion Detection System，BDIDS)的體系結(jié)構(gòu)，以發(fā)現(xiàn)多手段多層次的攻擊。這些攻擊是分布式網(wǎng)絡(luò)中多個(gè)子網(wǎng)之間存在的異常現(xiàn)象。BDIDS由兩個(gè)關(guān)鍵組件組成：大數(shù)據(jù)處理引擎和分析引擎。大數(shù)據(jù)處理是通過(guò)HAMR完成的，HAMR是下一代內(nèi)存MapReduce引擎。據(jù)報(bào)告，HAMR通過(guò)多種分析算法，使得現(xiàn)有大數(shù)據(jù)解決方案的速度大大提高。分析引擎包括一種新穎的集成算法，該算法從多個(gè)IDS警報(bào)的集群中提取訓(xùn)練數(shù)據(jù)。基于聚類與已知潛在攻擊的高度相似性，將聚類用作預(yù)處理步驟以重新標(biāo)記數(shù)據(jù)集。總體目標(biāo)是預(yù)測(cè)分布在多個(gè)子網(wǎng)中的多手段多層次的攻擊，這些攻擊手段如果不以綜合方式進(jìn)行評(píng)估，極有可能會(huì)被忽略。

基于Android開發(fā)實(shí)現(xiàn)了一款室內(nèi)定位軟件，采用PDR（Pedestrian Dead Reckoning）算法作為室內(nèi)定位算法，利用智能手機(jī)內(nèi)置加速度傳感器、磁場(chǎng)傳感器來(lái)實(shí)現(xiàn)步數(shù)、步長(zhǎng)和航向的檢測(cè)。同時(shí)，在基本的PDR算法的基礎(chǔ)上做了改進(jìn)，即采用卡爾曼濾波平滑處理步長(zhǎng)、粒子濾波優(yōu)化結(jié)果。最后對(duì)改進(jìn)的算法進(jìn)行實(shí)際測(cè)試，直線為主的軌跡中采用直線判定后誤差為0.64 m；曲線為主的軌跡中采用兩種濾波方法優(yōu)化后誤差為1.08 m。

目前安全類網(wǎng)站信息的分類標(biāo)簽各不相同，沒(méi)有統(tǒng)一分類標(biāo)準(zhǔn)，使安全類網(wǎng)站無(wú)法準(zhǔn)確地向用戶展示特定類別的安全信息。面對(duì)大量的安全類網(wǎng)站的技術(shù)類文章信息，用戶需要花費(fèi)大量的時(shí)間來(lái)識(shí)別文本類別。因此，設(shè)計(jì)一個(gè)多文本分類系統(tǒng)對(duì)于提高安全類網(wǎng)站的用戶體驗(yàn)和使用效率具有重要意義。開發(fā)了一套基于CNN和LSTM混合模型的安全類文章多文本分類系統(tǒng)，本系統(tǒng)采用基于Scrapy框架的網(wǎng)絡(luò)爬蟲，該網(wǎng)絡(luò)爬蟲支持定制化配置提取不同布局的頁(yè)面數(shù)據(jù)，支持?jǐn)?shù)據(jù)持久化存儲(chǔ)。并在 CNN和 LSTM混合模型基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了多文本自動(dòng)標(biāo)注模塊，實(shí)現(xiàn)了網(wǎng)站安全類信息的自動(dòng)分類，相對(duì)傳統(tǒng)的CNN和LSTM模型分類準(zhǔn)確率分別提升1.79%和1.54%，F(xiàn)1值分別提升1.02%和0.32%。

在飛行試驗(yàn)中，遙測(cè)圖像由于其直觀、實(shí)時(shí)顯示目標(biāo)飛行器的飛行狀態(tài)畫面，可供各級(jí)指揮決策和技術(shù)人員分析查看，在保障飛行試驗(yàn)安全性、高效性等方面發(fā)揮了重要作用。設(shè)計(jì)了一套地面遙測(cè)圖像實(shí)時(shí)解碼系統(tǒng)，在完成關(guān)鍵遙測(cè)參數(shù)實(shí)時(shí)處理基礎(chǔ)上，通過(guò)多站遙測(cè)數(shù)據(jù)的實(shí)時(shí)拼接、實(shí)時(shí)分路等處理手段，改善單一遙測(cè)地面站數(shù)據(jù)不完整帶來(lái)圖像畫面丟失的問(wèn)題，保障了遙測(cè)關(guān)鍵參數(shù)實(shí)時(shí)處理和遙測(cè)圖像的完整傳輸。

謠言擴(kuò)散與控制效果受社交網(wǎng)絡(luò)結(jié)構(gòu)、用戶決策影響。傳統(tǒng)模型網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單且較少考慮用戶決策的影響。為此基于圖論與遺憾最小化算法，提出一種用于分析社交圖譜上用戶決策與謠言控制的演化博弈模型。在采用規(guī)則圖論建模的基礎(chǔ)上，利用演化博弈與復(fù)制動(dòng)態(tài)方程研究影響用戶決策的因素，并在策略更新規(guī)則中采取遺憾匹配與動(dòng)態(tài)折扣。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證，該模型可有效反映用戶決策對(duì)謠言擴(kuò)散的影響，提高謠言抑制效果，并揭示網(wǎng)絡(luò)聚類系數(shù)、風(fēng)險(xiǎn)閾值等對(duì)謠言控制的影響。

工業(yè)生產(chǎn)過(guò)程中，圖紙?jiān)O(shè)計(jì)是最關(guān)鍵的一步，如何實(shí)現(xiàn)效率與質(zhì)量并存的設(shè)計(jì)流程是生產(chǎn)制造業(yè)中的熱點(diǎn)問(wèn)題。介紹了一種基于關(guān)聯(lián)規(guī)則挖掘算法的檢查器組優(yōu)化建議機(jī)制，該機(jī)制將關(guān)聯(lián)規(guī)則挖掘算法用于檢查器組的優(yōu)化，以實(shí)現(xiàn)在保證檢查器組覆蓋率的前提下，縮短檢查用時(shí)，提高工作效率。實(shí)驗(yàn)表明，該優(yōu)化系統(tǒng)中優(yōu)化后的檢查器組覆蓋率滿足實(shí)際工程的需求，能有效地縮減檢查器組的規(guī)模，從而節(jié)約檢查時(shí)間，減少系統(tǒng)資源占用，提高用戶的工作效率。

為有效提升公安部門在實(shí)踐工作中的犯罪預(yù)測(cè)能力，提出基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)方法。該方法采用了時(shí)空分析可視化技術(shù)和DBSCAN算法，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行分析。首先，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析；然后，利用DBSCAN算法構(gòu)建犯罪預(yù)測(cè)模型，并進(jìn)行可視化處理；最后，通過(guò)對(duì)不同類型犯罪進(jìn)行分析，預(yù)測(cè)犯罪熱點(diǎn)，識(shí)別犯罪模式。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的經(jīng)驗(yàn)預(yù)測(cè)相比，該方法具有更好的預(yù)測(cè)效果，為公安機(jī)關(guān)打擊犯罪和優(yōu)化警力配置提供了決策依據(jù)。