Fuzzing技术的样本数据组合研究*

提出了基于样本数据组合的Fuzzing技术,并抽象出了解决样本数据覆盖问题（data sample covering problem,DSCP）的数学模型;为了更好地解决样本数据覆盖问题,提出了改进遗传算法(developed genetic algorithm,DGA),通过实例实验说明了DGA的有效性,并且通过仿真实验,验证了算法在求解复杂协议文件样本数据覆盖问题时比贪心算法和简单遗传算法具有更高的效率。     

多维Fuzzing技术综述*

Fuzzing技术是一项有效的动态漏洞挖掘技术,但是当前对多维Fuzzing技术的研究还不多见。把多维Fuzzing技术面临的问题归纳为组合爆炸、覆盖脆弱语句和触发潜在漏洞三个问题,对存在的多种多维Fuzzing技术进行了研究和比较,并总结出多维Fuzzing技术的三个基本步骤：定位脆弱语句、查找影响脆弱语句的输入元素和多维Fuzzing测试挖掘脆弱语句中的漏洞。最后,给出了多维Fuzzing技术的进一步发展方向。     

打桩振动对相邻建筑影响的测试与分析

论述了建筑施工振动的常见类型、打桩引起的振动特性,分析了打桩振害与地震震害的区别,以及打桩振动对建筑物影响形式,列举了有关现行规范标准的振动容许限制.通过一个护坡桩的振动测试实例,说明了振动测试的原理、采用仪器、数据采集、测试方案、数据处理等技术要点,分析了打桩振动测试的具体方法及影响评价,从而为类似的检测鉴定提供了方法参考和依据.     

氧化铌掺杂PbO2电极的制备及降解分散蓝B

采用电沉积法制备氧化铌掺杂的钛基PbO2电极,通过X射线衍射、扫描电镜和电化学工作站进行表征.结果表明,掺杂氧化铌改变了沉积PbO2的晶型分布,电极表面出现α-PbO2晶型,提高了镀层与基体的结合度及电子传递效率;同时晶体尺寸略有增大,排列规整均匀.氧化铌最佳掺杂质量浓度为3.5 g/L,改性电极的析氧电位上升到1.523 V,阶跃氧化电流达到0.155 9 A,强化寿命延长到702 min,电催化性能和稳定性均有明显提升.利用所制备改性电极降解分散蓝B的最佳降解条件:溶液pH值为2,电解质NaC1浓度为0.7 mol/L,电流密度为40 mA/cm2,1h后脱色率可达89％,脱色动力学可用拟2级反应描述.     

ATaO_3（A=K,Na）电子结构和光学性质的第一性原理研究

采用第一性原理广义梯度近似（GGA）下的全电势线性缀加平面波（FP-LAPW）方法计算出立方相ATaO3（A=K,Na）的电子能带结构、态密度,发现了其光学性质.通过对两种材料的对比分析发现,KTaO3和NaTaO3价带顶均出现在0.15089eV处,KTaO3的导带底在2.02849eV处,NaTaO3的导带底在2.27339eV处,NaTaO3比KTaO3的导带底高,因而禁带宽度较大;NaTaO3中Ta5d电子和O2p电子之间的轨道杂化比KTaO3中的轨道杂化弱,Na的粒子性较K更强,因此,NaTaO3的光催化活性明显大于KTaO3.     

电磁波层析成像技术进展

电磁波层析成像是一种发展中的地球物理勘探技术,主要分为电磁波走时层析成像技术、电磁波衰减系数层析成像技术和电磁波相位层析成像技术,这些方法已广泛用于金属矿、非金属矿、石油天然气、工程地质与水文的勘察。介绍了电磁波层析成像中电磁波走时、电磁波衰减系数和电磁波相位三种层析成像方法的理论基础和研究现状,分析了电磁波反演图像重建技术及其在内外的实际应用现状,对电磁波层析成像技术的发展趋势进行了展望。     

一种高效属性可撤销的属性基加密方案

密文策略的属性基加密(CP-ABE)可以实现数据拥有者定义的基于外挂加密数据的访问控制,使它在数据分享细粒度访问控制中有着良好的应用前景,然而在实际应用系统中仍然存在属性撤销方面急需解决的问题.在代理重加密技术和CP-ABE技术相结合的方案基础上,引入Shamir的秘密分享技术和树访问结构,实现了门限运算和布尔运算的结合,并且缩短了密钥和密文长度.与之前方案相比,在效率和表达能力方面有了明显的提高,此外该方案在判定双线性假设下是安全的.     

基于hello消息的AODV路由协议的改进

由于Ad hoc网络节点的移动性和网络拓扑的动态性,路由协议成为当前Ad hoc网络研究的热点之一.为了降低AODV路由协议的能耗和提高协议的性能.基于AODV路由协议的hello消息,提出了利用接收hello包的能量值来动态的调整发送数据包的传输功率,从而减少节点的能耗和传播冲突的AODV协议(简称E_AODV).利用NS2仿真工具对E_AODV和AODV协议进行了仿真,对路由协议主要的几种参数:总能耗,单个节点的能耗,数据递交率,网络负载和时延进行了统计分析.仿真结果表明E_AODV路由协议不仅降低了节点的能量消耗和网络时延,而且提高了数据递交率和网络负载.     

基于CNN特征的宽频段智能测向方法

当前电磁环境日益复杂,利用机器学习方法实现快速且精确的宽频段无线电测向逐渐成为研究的热点。使用卷积神经网络基于端到端的方式完成宽频段测向的方法能够在一定程度上解决宽频段相位模糊的问题,但卷积运算后特征维数大大增加,稀疏的特征影响了最后一层全连接前馈神经网络的分类效果。针对这一问题,提出将无线电测向分为特征学习任务和方向预测任务,使用卷积神经网络作为特征提取器,将通过多层卷积运算得到的结果视为二次提取的特征,作为方向预测任务的输入;针对二次提取特征的稀疏性,提出使用主成分分析算法对特征进行降维,并将稀疏性降低后的特征作为后续分类器的输入。此外,针对特征的特点,探索了几种分类模型作为分类器的效果,包括决策树、随机森林、径向基函数神经网络和K-近邻。实验结果表明,使用主成分分析算法对特征进行降维能够提升训练和测试效率;采用K-近邻构成分类器的准确度明显高于原卷积神经网络的准确度;若需要兼顾准确度和测向效率,采用随机森林构成分类器的效果最好。