用一水硬铝石矿的拜耳法溶出液生产砂状氧化铝

本文介绍了对某厂处理一水硬铝石矿的拜耳法高浓度溶出液，经引进、消化，设计了一段分解生产砂状氧化铝新工艺。通过对该工艺技术条件的分析研讨，总结其生产实践，认为一段分解工艺具有流程简短平稳、易于操作控制、分解出的氧化铝产出率高、产品为100％砂状、能满足电解制铝要求等优点。具有较好的工业生产实用价值。     

地下水污染治理与防治技术研究

从污染物控制和综合管理的角度,对地下水利用现状进行批判性的综述。每座城市的污水在进入地下水系统之前,应尽量减少所有可能来源的砷含量,为了一个可持续的环境,必须大大减少过量的硝酸盐和杀虫剂的使用。为了制定今后可持续地下水使用的成功综合管理办法,建议进行联合水管理,因为这涉及地下水和地表水资源的管理,以加强供水安全和环境的可持续性。从污染物控制和综合管理的角度,批判性地回顾了有关地下水使用的现状,研究不仅从地下水污染治理质量的角度,而且从可持续发展的数量上对地下水的管理都有借鉴意义。     

一种基于轻量级口令攻击模型的honeywords生成方法

在身份认证系统中使用honeywords是及时检测口令数据库是否被盗的有效方法。针对现有方法生成的honeywords与真实口令差距大、能够被攻击者轻易识别的问题,提出一种基于轻量级口令攻击模型的honeywords生成方法(Generating Honeywords Using Lightweight Pass-word Attack Models,GHLA),该方法将基于规则的攻击模型和基于概率上下文无关(Probabilis-tic Context-Free Grammars,PCFG)的攻击模型这两种轻量级攻击模型结合起来,用于生成hon-eywords。通过理论分析证明其具有较好的平滑度以及抵抗Dos攻击的能力,并进一步利用人人网泄露的口令数据进行测试。相比其他方法,使用所提出的方法生成honeywords,真实口令被攻击者一次识别成功的概率下降了约7.83%,在触发系统报警前攻击成功的账户数量最多减少48.54%,实验结果表明所提方法具有更高的安全性。     

改进的三方口令验证元认证密钥交换协议

在三方口令认证密钥交换（三方PAKE）协议中,每个用户仅仅需要和服务器共享一个口令,就可以在服务器的协助下与他人进行安全的密钥交换.由于有效地减少了用户管理口令的负担,三方PAKE协议在大规模用户集的安全通信中受到了较多关注.然而,已有的三方PAKE协议大多关注的是服务器利用明文存储用户口令的情形,没有考虑服务器口令文件泄露所造成的巨大威胁.在服务器端存放的是相应于用户口令的验证元的情形下,研究三方PAKE协议的分析和设计.首先分析了一个最近提出的基于验证元的三方PAKE协议,指出该协议易于遭受离线字典攻击,因此未能达到所宣称的安全性;其次,在分析已有协议设计缺陷的基础上,提出了一个新的基于验证元的三方PAKE协议,并在标准模型下证明了所设计的协议的安全性,与已有协议的比较表明,新提出的协议在提供了更高安全性的同时具有可接受的计算和通信效率.     

一段分解制取砂状氧化铝的研讨

根据环境保护的要求,结合我国铝矿资源的特点和强化压煮溶出新工艺的推广,从高浓度的铝酸钠溶液（精液）中制取砂状氧化铝是氧化铝生产中的新课题,为此我国进行了多年的试验及生产探索。笔者通过对某厂氧化铝生产一段分解新工艺的引进消化设计以及对高浓度铝酸钠溶液生产砂状氧化铝的分析研讨,总结该工艺一年多的生产实践,认为高浓度精液一段分解制取砂状氧化铝新工艺流程简短,易于操作控制、分解出的氧化铝产出率高、产品为１００％砂状,满足电解铝的需求,符合环保要求。该工艺为我国处理高浓度拜耳精液生产砂状氧化铝并获得高产开创了先例,具有较好的工业生产实用价值。     

一段分解制限砂状氧化铝的研讨

根据环境保护的要求,结合我国铝矿资源的特点和强化玉煮溶出新工艺的推广,从高浓度的铝酸钠溶液中制取砂状氧化铝是氧化铝生产中的新课题,为此我国进行了多年的试验及生产探索。笔者通过对某厂氧化铝生产一段分解新工艺的引进消化设计以及对高浓度铝酸钠生产砂浆氧化铝的分析研讨,总结该工艺一年多的生产实践,认为高浓度精液一段分解制取砂状氧化铝新工艺流程简短,易于操作控制,分解出的氧化铝产出率高,产品为１００％砂状,     

信息安全专业信息论课程教学方法探讨

"信息论"课程是当前国内外通信工程、信息安全等专业的一门基础专业课程,具有概念繁多、理论抽象、数学推导复杂等特点。本文针对信息安全专业的人才培养方案需求和学生特点,有针对性地对教学方法改革进行了探讨:面向专业建设需求,优选教学内容;针对学生学习特点,强化与已学课程间的联系;突出理论结构体系,引导学生建立知识结构树;贴合专业应用需求,设计专业性强的教学案例。     

基于信誉评估机制和区块链的移动网络联邦学习方案

联邦学习是一种新兴的分布式机器学习技术,通过将训练任务下放到用户端,仅将训练得到的模型参数发送给服务端,整个过程并不需要参与方直接共享数据,从而很大限度上规避了隐私问题。然而,这种学习模式中移动用户间没有预先建立信任关系,用户之间进行合作训练时会存在安全隐患。针对上述问题,提出一种基于信誉评估机制和区块链的移动网络联邦学习方案,该方案允许服务端利用主观逻辑模型对参与训练的移动用户进行信誉评估,并且基于区块链智能合约技术为其提供可信的信誉意见共享环境和动态访问策略接口。理论和实验分析结果表明,此方案可以使服务端选择可靠的用户进行训练,同时能够实现更公平和有效的信誉计算,提高联邦学习的准确性。