基于动态策略的移动警务终端安全管控系统的设计与实现

对移动警务安全接入平台中的终端设备的安全防护问题进行了研究,提出并研制了一种基于动态策略的移动警务终端安全管控系统,整个系统由客户端、前置服务端和内网服务端组成,前置服务端和内网服务端分别部署在前置区和公安内网,客户端部署在移动终端设备上,确保在移动接入区和公安内网区有效进行物理隔离的前提下,将系统制定的各种安全策略规则下发到客户端执行,规范用户对移动终端的本地软硬件资源和网络资源的使用,实现安全威胁检测、防护及预警,对移动终端用户的违规访问、操作行为进行全面监测和上报,实现终端设备安全和行为的统一管理.     

大型建筑综合体的设计探讨——新疆雅典娜商业广场设计回顾与体会

经济、实用、美观是建筑的基本原则,在不同类型的建筑中,美观要求的比重可能有所不一样,但即便如此,也不能片面追求美观而完全不顾实用、经济的要求。现在一些建筑违背基本的设计原则,不顾使用功能,离奇的耗资,这一关系到中国建筑发展方向（特别是大型公共建筑）的问题,这是维护建筑科学性,端正创作思想的希望所在。     

泛政府行业信息化数据跨域共享服务总线平台的设计与实现

对泛政府行业内网与其他网络间的跨网域的请求服务进行了研究,提出了泛政府行业信息化数据跨域共享服务总线平台的设计方案,底层硬件设计上基于单向光传输方式,实现不同网域间数据的安全隔离传输;上层系统软件通过服务总线（ESB）体系架构和定义统一请求调用接口,实现跨区域、跨网域间服务授权访问、资源授权调用和数据安全转发。整个系统由请求协议转换、安全检控组件、健康度评估、MQ数据服务、节点资源调度、限流熔断管理、通道任务管理、资源监控上报等模块组成,可实现请求服务、设备状态上报、通道任务管理、安全访问控制等功能,并根据不同业务量级设定不同应用模式,可满足跨网域移动警务请求服务数据资源的安全、高效传输需求。     

移动警务跨域消息提醒服务系统的设计与实现

对移动警务平台双域终端消息无法互达的问题进行了研究,提出了移动警务平台侧跨域互通的即时消息提醒服务系统的设计方案。基于MQTT技术实现移动端消息推送,基于AMQP等移动警务平台跨域边界消息队列同步服务实现平台侧消息跨域同步,基于restful规范设计移动警务平台内面向业务应用的跨域终端消息推送服务接口,为移动警务平台内业务应用统一提供跨域终端消息推送服务。整个系统由消息接口模块、终端档案管理模块、跨区域同步模块、消息匹配审计模块和消息推送模块构成,可实现业务系统不同重要等级消息即时高效、安全合规的跨域终端推送。     

基于流式处理架构的日志采集系统的设计与实现

对信息系统运行记录、操作日志、告警信息的采集问题进行了研究,提出了一种面向泛政府行业安全运行管理平台的统一日志采集系统。采用基于消息队列的流式处理架构,实现日志采集、日志处理、日志上报等各个环节的解耦;采用标准化接口和插件技术,实现各种异构日志信息的采集和数据上报;采用消息队列的流量削峰技术,保证日志传输的安全可靠;依据日志流量特征,提出一种支持动态调整消费组的设计模式,满足系统的高性能要求。整个系统由日志采集、数据上报、数据管理、系统管理、策略管理、Agent管理、日志源管理模块和日志采集代理(Agent)子系统组成,可满足对各类安全数据的集中分析、安全威胁感知和智能研判。     

风力发电无储能型微电网能量管理方法研究

为解决分布式风力发电输出功率的间歇性对电网产生较大的冲击及其产能过大造成的能量浪费等问题,设计一种无储能型微电网系统进行风力发电输出电能的多级调度。提出一种针对该微电网系统的分层控制方法,控制系统通过逐层对微电网系统电能的控制调度,减小风力发电间歇性导致的大功率波动并解决产能过剩的问题。最后,采用Matlab/Simulink软件对所提方法进行仿真实验,结果表明,所提控制方法能有效降低风力发电的功率波动对电网的影响,有效解决风力发电产能过剩的问题。     

装配式建筑技术的多样化创新实践与标准建设探讨

装配式建筑技术的创新和标准建设是装配式建筑技术发展的基础,广东省建筑设计研究院等单位根据地域特点开展了各种装配式建筑体系新技术的研究与多样化实践工作,并基于BIM技术进行了装配式建筑建设全过程信息管理平台的建设。通过介绍正在编制的广东省装配式建筑有关评价标准及图集的特点,提出装配式建筑的标准建设应适应地域发展特点及行业发展现状的建议,为装配式建筑技术的发展和应用提供参考。     

一种降噪自编码器的复杂网络链路预测算法

链路预测是根据复杂网络中已有的拓扑信息预测网络中两个不相邻的节点间产生连接的可能性，是复杂网络领域中的重要研究方向，具有重要的研究价值.在理论层面上，提升链路预测算法的性能有利于更合理的挖掘和分析网络的演化机制；在应用层面上，提升链路预测算法的性能有助于补全网络拓扑的缺失信息，从而便于优化后续网络拓扑相关的算法，例如图表示学习和个性化推荐等.该领域尽管近些年已经取得了较多的研究成果，但依然存在不少缺陷.例如，作为主流的基于节点相似性的链路预测算法存在高度退化的问题，即对于大多数不相邻的节点对均输出相同的预测值；其次，由于不同的复杂网络在网络结构、节点度数、连边数量以及联通性上各有差异，然而当前的算法通常仅考虑网络的某种结构特征，因此只对于特定的网络类型预测效果较好，可扩展性较差.鉴于此，本文利用深度学习理论善于挖掘各种高维数据的重要特征，将无监督训练方法引入到复杂网络的链路预测中，提出一种基于降噪自编码器的复杂网络链路预测算法.该算法通过神经网络结构与损失函数的构造，首先使其具有数据降噪恢复的能力，然后将完整的训练集数据输入到模型中，即可实现预测复杂网络演化机制的目的.具体地，将加入噪...