基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

钢结构二维桁架建模比较

桁架设计为水泥厂工程设计普遍项目,通过PKPM对两个案例多种情况的建模分析,可发现桁架在不同情况下应采用不同的模型以匹配现实状态.     

无蜂窝大规模MIMO中导频欺骗攻击检测方法

在无蜂窝大规模多输入多输出网络中，一方面，接入点（access points， APs）分布式部署导致信道硬化及利好传播现象不再显著，导频欺骗攻击（pilot spoofing attack， PSA）的恶意窃听者可以通过调整导频发送功率，得以模拟信道特性，传统依赖大尺度衰落先验信息的PSA检测技术不再适用；另一方面，基于信息论准则的PSA检测技术，需要比AP数量级高的导频样本进行观测，而信道估计阶段所耗费的时长无疑影响系统的频谱效率。针对这种情况，提出了一种基于信号子空间的欺骗检测（signal subspace based spoofing detection， SSBSD）方法。首先，在合法用户的训练序列上叠加一个随机序列，利用灵活检验准则对信源数量进行估计。其次，利用统计学中的线性收缩原理，对导频样本协方差矩阵进行优化，使观测样本的噪声特征值分布更好拟合信道噪声功率。最后，通过信号的正交补空间对观测矩阵进行投影处理，从而实现PSA检测。经仿真实验与理论分析，SSBSD方法无须大尺度衰落先验信息，也无须与AP数量级相同的导频长度，对PSA的导频发送功率十分敏感，在大尺度衰落未知、大尺度衰落时间相关或频谱资源受限的通信环境中，可以精确检测低电平功率的PSA。      

关于论文中的图

1.图要精选,应具有自明性,切忌与表及文字表述重复。2.图要精心设计和绘制,要大小适中,线条均匀,主辅线分明。3.坐标图标目中的量和单位符号应齐全,并分别置于纵、横坐标轴的外侧。4.图中的术语、符号、单位等应与表格及文字表述所用的一致。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

资源节约型GH4169合金热变形行为及热加工图

为获得组织细小均匀的资源节约型GH4169合金大型锻棒,采用Gleeble-3500型热模拟试验机研究了一种资源节约型GH4169合金的热变形行为,基于应力-应变曲线和峰值应力和应变,建立了该合金的热变形本构关系以及一种描述其流变应力行为的本构方程,并基于动态材料模型绘制了该合金的热加工图.结果 表明:该合金的再结晶激活能(Q)为467.91 kJ·mol",与高纯材料冶炼的合金相当,表明资源节约型高温合金具有与高纯材料冶炼合金相似的热加工性;该合金再结晶组织有较高热加工参数敏感性,随变形量的增加,热加工工艺参数窗口变窄.     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。