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

隨著計算機和通信技術的高速發展，網絡空間維度與現實世界的對照格外清晰，因此安全管理網絡空間顯得意義重大。針對近年來已公布的網絡環境中反射放大型分布式拒絕服務攻擊(Distributed Denial of Service，DDoS)安全問題，基于Memcached、DNS、NTP、SNMP、SSDP和CLDAP六種常見協議對所存在的漏洞進行分析，搭建六種協議的服務器仿真環境，通過使用交互式數據包操作程序scapy編程，實現對仿真環境中目標主機的IP欺騙和帶寬放大。通過ZoomEye獲取真實網絡環境中的可用IP資源，以仿真環境中目標主機IP作為受害者，測試真實環境中可用IP資源產生的欺騙效果和帶寬放大倍數，根據實驗結果分析反射放大型DDoS的危害并從服務器和受害者兩個角度給出防范策略。

目前的傳染病監控大都只是對發病地區居民健康和位置數據的采集和分析，未給出針對接觸者健康監控、數據隱私保護和確診收治的有效方法。因此，提出了一個針對接觸者健康監控、位置軌跡記錄和疑似處理的完整系統模型，設計了基于手機注冊、身份認證和加密機制的個人數據保護方法，進而提出了位置數據庫分離存儲和雙重加密的位置軌跡保護策略。理論安全分析表明：提出的遠程監控模型和隱私保護方法，能夠有效對抗傳輸攻擊和數據使用過程的隱私泄露。該研究有望為傳染病遠程防控提供一種新的有效途徑。

隨著戰場環境向多域擴展，各作戰域的信息資源共享、作戰力量協同成為未來聯合作戰的致勝關鍵。針對當前協同手段難以滿足跨域作戰需求的問題，設計了一種面向任務的跨域協作系統，可根據作戰任務，動態組建臨時群組，綜合利用多種協同手段，從更低層級實現跨域信息融合與作戰力量協同。該系統的應用可為作戰協同手段和協同創新概念的探索研究起到拋磚引玉的作用。

根據工控環境特點，通過分析現有的協議解析方法，提出了兩種面向工控的協議解析方法，分別為針對網絡通信數據包的網絡報文序列解析法和基于對目標應用程序進行二進制分析的協議解析法，實現了對工控協議的語義級解析。最后進行了相關實驗，證明了方法的有效性。

針對大型橋梁在施工階段和運營期間發生結構變形問題，目前缺乏自動化、高頻、實時與長期并且精確的檢測手段。在數字圖像處理與深度學習理論基礎下，提出一種適用于大型橋梁結構變形的非接觸式檢測方法，并以此方法研發系統，可以對橋梁多個目標結構進行同步動態監測。該方法首先通過高分辨率攝影設備獲取橋梁結構的動態視頻序列圖像；其次對圖像進行預處理去除天氣等外部因素對圖像的影響；然后提取圖像ROI確定待處理的具體橋梁結構部位；最后對深度學習中YOLOv3算法進行改進并結合改進后的SURF算法實現橋梁結構的變形檢測。實驗結果表明，算法檢測速度在20～30 f/s之間，目標距離100 m時，算法檢測精度在0.3 mm以內，檢測精度高，可有效反映橋梁結構變形情況。

人臉深度偽造檢測技術對于打擊虛假圖像/視頻泛濫具有至關重要的意義。提出了一種融合傳統特征與神經網絡的檢測算法，算法結合了傳統特征具有可解釋性與神經網絡高準確率的優點，利用圖像灰度共生矩陣以及XceptionNet組成雙特征提取模塊，然后在全卷積網絡中充分考慮雙流融合特征信息，最終根據網絡多損失實現圖像真偽分類判決。在FaceForensics++數據集上進行了訓練和測試，實驗結果表明，相比現有深度學習算法，檢測準確率有明顯提升。而且由于引入的紋理特征具有一定的可解釋性，表現出良好的鑒別性能。

針對現有防偽技術可靠性較低、容易被仿制、防偽成本高昂等問題，基于DeepLabv3，提出一種由熱膨脹系數失配產生壓縮應力形成隨機褶皺防偽標識圖案的識別方法。具體采用深度卷積網絡分類算法中DeepLabv3進行分類識別，通過優化全連接層并設置不同的神經元節點，提高識別網絡的分類準確率，縮減訓練時間，訓練準確率達96.58%，獲得了能對褶皺紋理圖案精準識別的網絡模型，實現具有安全性的防偽目的。

注意力機制和視頻語義嵌入使得視頻描述任務取得了顯著的提升，為更好地利用時序動態特征和語義信息，提出一種基于X-Linear的語義嵌入視頻描述算法(X-Linear Semantic Embedding Network，XLSNet)。該算法以基于編碼解碼器網絡為基礎，使用X-Linear注意力模塊對視頻特征進行編碼，該模塊使用雙線性池化來增加視頻時序特征的高階交互，最終提取豐富的時序動態特征；為充分利用視頻語義信息，使用語義嵌入的GRU和X-Linear作為解碼器對視頻描述進行生成。為防止過擬合現象，對解碼器的GRU使用了層歸一化和變分Dropout。所提出的算法僅僅使用了視頻幀特征，在公開視頻描述數據集MSVD上取得了很好的效果。

在當下快速的發展過程中，社會的現代化建設對環境帶來了一定程度的破壞，為了實現持續性的社會發展，就需要對其各種生產生活所帶來的污染物進行良好的監測。提供了一種對產污企業污染物排放過程進行科學監測的方法，對智能電表采集的數據進行處理與分析，構建BP神經網絡模型對設備進行識別，從而判斷設備啟停狀態。形成了24小時不間斷的智能監控，進而對企業的污染物排放監管進行合理的監控，實現對企業生產中污染排放的監測，提升污染物的治理效果，具有較好的實際應用價值。

多數應用場景中，SCARA機械臂的工作路徑為固定的模式，為結合視覺信息，優化控制方式，采用激光打樣的方式引導SCARA動作。以桃子TZ-500 SCARA機械臂和MATLAB為實驗平臺，使用D-H坐標系法建立機械臂的運動學模型，得到其工作空間。針對點到點的軌跡，采用五次多項式插值法完成在關節空間內的規劃。靈活的多點軌跡，使用三次B樣條曲線插值法規劃得到相鄰點的三次軌跡，對于起始時刻和終止時刻加速度不為零的問題，設計了修正因子，保證加速度為零，有效降低沖擊。為了縮短運行時間，結合約束條件和應用場景設計了新的罰函數，并對遺傳算法的選擇和變異方向進行改進，加速篩選過程。實驗結果表明，使用了改進后的遺傳算法，得到軌跡的運行時間要優于優化前的軌跡，有效地提高了運行效率和精度。

根據GB11551-2014《汽車正面碰撞的乘員保護》法規的要求，以某型客車車身為研究對象，將建好的幾何模型導入HyperMesh軟件中，通過拓撲修復、抽取中面以及簡化模型等操作，完成對車身數模的幾何清理，建立了車身正面碰撞有限元模型。在RADIOSS環境下，設置材料屬性，選取彈簧單元焊點模型以及TYPE7接觸類型，對其正面碰撞過程進行數值模擬，同時對碰撞過程中的車身變形、能量轉換規律以及速度和加速度進行分析。將仿真結果與實車碰撞試驗結果進行對比，驗證了車身模型的正確性。結果說明基于RADIOSS的計算機仿真方法不僅能指導客車車身的碰撞試驗，并且可以大量縮減實車試驗成本，具有較大的工程借鑒意義。此方法為車身結構的進一步優化提供了研究基礎。

在智能制造中，傳統成像技術已經滿足不了高精度工業需求。提出了結合熵率聚類的目標分割算法，并且基于超像素的鄰邊集，建立熵率和平衡項的目標函數，最后通過貪婪啟發算法優化并求解該目標函數，得到最優的超像素集合。并設計了基于高斯函數衡量相鄰像素的相似性實驗，設定相關參數，進行工業制造實際流程檢測。最終實驗結果表明，所提算法有較好的檢測識別效果，在輪廓及內部條紋識別上效果明顯，整體識別效果良好，適用于工業制造領域。