基于文件过滤驱动的连续数据捕获技术及其容灾应用研究

根据数据容灾技术的发展趋势,结合连续数据保护的具体目标和现有数据捕获技术的优缺点,提出一种基于文件过滤驱动的连续数据捕获方法,描述了连续数据捕获的实现流程,并详细阐述了在连续数据捕获中所涉及的IRP截获技术、内核数据传输技术,最后使用该方法构建了一个面向业务连续性的安全容灾备份软件并给出了相关测试结果.与连续快照和API原语劫持相比,该方法具有数据捕获效率高、无数据遗漏、代价较低、对上层应用影响小的特点.     

基于人体姿势编码的运动数据检索

针对大规模运动捕获数据的检索问题,提出一种基于人体姿势编码的相似运动检索方法.首先将形成人体姿势的9段主要骨骼的运动空间划分成多个子空间,以各骨骼所处的子空间位置作为人体姿势的特征表示;然后根据特征表示对运动数据进行逐帧编码,将编码相同的连续帧划分成等价段;最后建立以等价段为基础的倒排索引来检索候选运动,并通过编码匹配...     

基于网络/主机副本法的诱骗系统的研究与实现

分析比较了现有的网络诱骗技术及其优缺点,在采用网络/主机副本方案的基础上,提出了一种基于Limux动态进程共享库注射的数据捕获方法.系统主要分为诱骗客户端和服务器两个部分,客户端主要负责数据捕获和数据发送,服务器端将获得的数据存储并分类显示,显示方式包括命令行和图形界面.系统还采用了用户态-内核态通信、内核态发包、内核模块隐藏等技术.     

基于蜜罐的安全系统设计

为解决传统蜜罐系统视野狭小,存在大量安全隐患等缺点,提出了一种新的基于蜜罐的网络安全系统,并给出了对该系统主要部件的设计.该系统采用多层诱骗方法以扩大视野;将数据控制与重定向技术相结合,以便在入侵的各阶段对系统进行保护;将虚拟机技术与数据捕获技术相结合,有效提高数了据捕获的隐蔽性和数据传输的安全性.最后,在实验室的检测表明了系统的有效性.     

基于集成多示例学习决策树分析的三维运动检索

随着运动捕获设备的普及,大量的运动数据可以直接得到,从而使得大规模的运动数据库的建立成为可能.在此背景下,研究以检索为核心的运动捕获数据处理技术就显得十分重要了.提出了一种对运动捕获数据中的人体的各个关节点提取一种基于三维空间变换规律的三维空间特征的方法,并基于空间运动连续性引入了关键空间的概念.针对各关节点空间特征相对保持独立的特性,用每个关节点作为索引,并通过集成学习的多示例决策树的学习方法去分析关节点对运动相似的不同影响,最终实现了一个高效的运动检索系统.     

RCDP：基于冗余的连续数据保护架构

连续数据保护提供了数据存储领域其它任何技术如备份、快照、镜像等不具有的捕获每个写请求的能力,因而使得恢复点日标(RPO)降低到可能具有的最低限,但是其恢复时间日标(RTO)问题却远远没有解决.另外,连续数据保护系统对空间的需求也是一个亟待研究的议题.RCDP是针对上述问题提出的一系列连续数据保护的架构,它采用冗余与多映像恢复的策略,将恢复时间降低到可以接受的范围内.     

引入低秩约束先验的深度子空间聚类

大多数子空间聚类算法将高维数据映射到低维子空间时不能较好捕获数据间几何结构.针对上述问题,文中提出引入低秩约束先验的深度子空间聚类算法,兼顾数据全局和局部结构信息.算法结合低秩表示与深度自编码器,利用低秩约束捕获数据全局结构,并将约束神经网络的潜在特征表示为低秩.自编码通过最小化重构误差进行非线性低维子空间映射,保留数据的局部特性.以多元逻辑回归函数作为判别模型,预测子空间分割.整个算法在无监督联合学习框架下进行优化.在5个数据集上的实验验证文中方法的有效性.     

空间机器人捕获运动目标的协调规划与控制方法

针对目标以任意轨迹运动且其轨迹可能与``有保证工作空间'不相交的问题, 提出了空间机器人捕获运动目标的协调规划与控制方法. 首先, 根据手眼视觉测量数据, 预测目标的运动路径, 由此确定空间机器人对目标的最优交会姿态及最佳捕获臂型; 其次, 规划基座姿态及机械臂关节角的轨迹; 最后, 采用协调控制的方法, 实现空间机器人系统对运动目标的最优捕获(以最优交会姿态及最佳捕获臂型对目标进行捕获). 仿真结果表明了该方法的有效性.     

人体运动合成中的机器学习技术综述

近年来,机器学习技术被广泛应用于人体运动合成,取得了很多研究成果,这得益于运动捕获技术的成熟和使用.运动捕获技术使数据驱动的方法成为人体运动合成的主流,而机器学习技术能够有效地处理人体运动数据这类维数高且在时间和空间两个维度都具有较大相关性的数据.文中以机器学习方法为主线,结合各类方法的特点,对人体运动合成中的应用进行总结和归纳;同时,还展望了人体运动合成和运动数据处理技术未来的发展趋势.     

基于隐空间的运动捕获数据自动分割*

提出一种运动捕获数据自动分割方法。利用高斯过程隐变量模型对运动捕获数据进行降维,将其从高维观察空间映射到低维隐空间;在隐空间中构造运动特征函数,该函数具有结构简单、对所有关节敏感等优点,通过分析运动特征函数几何特征的变化,探测运动捕获数据的分割点,实现运动自动分割。实验结果表明,该方法具有较高的准确度和较好的普适性。     

一种高效的三维运动检索方法

随着运动捕获设备的普及,大量的运动数据可以直接得到,从而使得大规模的运动数据库的建立成为可能.在此背景下,研究以检索为核心的运动捕获数据处理技术就显得十分重要了.本文提出了一种对运动捕获数据中的人体的各个关节点提取一种基于三维空间变换规律的3D时空特征的方法,并基于时空运动连续性引入了关键空间的概念.针对各关节点时空特征相对保持独立的特性,本文用每个关节点作为索引,并通过数据驱动决策树的学习方法去分析关节点对运动相似的不同影响,最终实现了一个高效的运动检索系统.     

基于多时间尺度时空图网络的交通流量预测模型

交通流预测在智能交通系统的建设中起着关键作用。但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性。现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块进行简单的堆叠,导致不能有效地融合时间和空间特征。为了解决以上问题,文中提出了一个多时间尺度时空图网络模型。模型先将序列数据划分为3种时间尺度序列,然后将序列输入到时空块(ST-Block)中提取数据的时空依赖性,最后进行预测。在时空块中使用图卷积网络和变体Transformer分别捕获数据中的时间和空间依赖性,并通过门控融合机制将两者提取到的特征进行融合。在两个真实的数据集上分别进行了短期和长期的预测实验,结果表明了MTSTGNN模型在交通流预测任务上的优秀性能。     

基于Honeypot网络安全技术的数据捕获模块设计

在对传统的防火墙和入侵检测技术探讨的基础上,通过对入侵诱骗技术Honeypot系统的研究,设计了一个基于Honeypot技术的数据捕获模块.介绍了基于Linux系统的数据捕获实现方法,其中使用了三层数据捕获来监控攻击者的入侵行为,这样尽可能多地捕获并学习攻击者的相关信息,从而保护系统安全.     

基于Linux共享库注射技术的网络诱骗系统设计

网络诱骗是一种主动的网络安全防御技术,通过跟踪、监视网络入侵者的行为来分析入侵者的攻击意图和行为特征,从而掌握最新的安全技术.其中,如何捕获入侵者的数据是实施网络诱骗的关键问题.分析了现有的网络诱骗系统的数据捕获方法的不足,并在深入研究Linux共享库注射技术的基础上,提出了一种以该技术为核心的网络诱骗数据捕获方法,使得诱骗系统更难于被发现,提高了诱骗的质量.并结合其它技术,给出了一个以该方法为核心的诱骗系统的实现.     

随机傅里叶特征相异度的故障检测算法

针对大规模非线性动态过程故障检测问题, 提出随机傅里叶特征相异度(RFF–DISSIM)的故障检测方法. 首先, 利用RFF对原始数据进行映射, 获得特征空间中的数据集; 然后, 在特征空间中应用滑动窗口技术并结合相异 度指标对特征空间中的数据集进行过程状态监控. 本文方法通过RFF快速捕获数据的非线性结构并结合相异度指 标消除样本间自相关性的影响, 有效地提高了过程监控性能. 通过一个数值例子和连续搅拌釜反应器(CSTR)的仿 真实验并与传统的核主元分析、动态主元分析等方法对比分析, 仿真结果进一步证明了本文所提方法的有效性.     

数据驱动人体动画的关键帧技术研究综述

基于关键帧技术的运动捕获数据驱动人体动画,因其捕获的数据具有高度逼真性和实时处理能力使之成为应用广泛的人体动画方法。对现有基于运动捕获数据的3维人体动画关键帧技术进行了系统分析和阐述,介绍了运动捕获数据及其表现形式,从捕获数据的角度分析并比较了基于自适应采样的关键帧提取技术、基于运动速度控制的关键帧插值技术及基于运动特征和运动模型的关键帧检索技术,对3维人体运动关键帧技术中的难点问题及进一步研究方向进行了展望。     

基于孪生神经网络的物联网通信异常数据捕获

针对传统物联网通信异常数据捕获精度较低、捕获耗时长等问题,提出基于孪生神经网络的物联网通信异常数据捕获方法.通过构建特征提取单元与区域推荐网络单元的孪生神经网络结构,去除网络Alex Net框架中两个卷积层与全连接层,在各卷积层后添加SE-Network,架构用于捕获异常数据的孪生神经网络模型;利用该网络模型降维处理异常数据特征,利用粒子群算法中标签约束策略,将二维数据转化到三维恒定空间中,完成异常数据种类划分;结合待捕获数据与候选数据特征,确定数据之间相似度,基于交叉相关层度量相似度,实现物联网通信异常数据捕获.仿真结果表明:采用所提方法可有效提升物联网通信异常数据捕获的精度,且捕获速度较快.     

用于地震短临前兆的空间探测技术

短临地震预报是一个尚未解决的科学问题。在分析现有地震预报存在不足的基础上，讨论了空间探测技术应用于地震预报的可能性，并简述目前国内外应用这种新技术新方法的现状、程度以及尚需解决的问题。连续、动态、系统、多参数的立体观测将是未来地震预报的发展趋势，空间探测技术能实时捕获大面积动态震前信息，弥补地面台网的不足，完善现有地震观测与预报体系。     

新的连续自编码网络流形学习研究

发现高维观测数据空间的低维流形结构,是流形学习的主要目标。在前人利用神经网络进行非线性降维的基础上,提出一种新的连续自编码（Continuous Autoencoder,C-Autoencoder）网络,该方法特别采用CRBM（Continuous Restricted Boltzmann Machine）的网络结构,通过训练具有多个中间层的双向深层神经网络可将高维连续数据转换成低维嵌套并继而重构高维连续数据。特别地,这种连续自编码网络可以提供高维连续数据空间和低维嵌套结构的双向映射,不仅有效解决了大多数非线性降维方法所不具备的逆向映射问题,而且特别适用于高维连续数据的降维和重构。将C-Autoencoder用于人工连续数据的实验表明,C-Autoencoder不仅能发现嵌入在高维连续数据中的非线性流形结构,也能有效地从低维嵌套中恢复原始高维连续数据。     

基于空间关联性注意力的图像描述生成方法

图像中物体间的关联性能够有效提升图像描述的效果,但是直接使用全局特征表示物体间的关系无法准确捕获图像的关联性特征。为准确捕获图像的关联性特征以提高描述的准确性,提出了一种基于空间关联性的图像描述生成方法。该方法使用Faster R-CNN提取图像的视觉特征和物体的空间位置信息,再将视觉特征与空间位置信息在高维空间融合后指导Transformer捕获图像的关联性特征;最后将视觉特征和关联性特征分别作为视觉注意力和空间关联性注意力的高层语义输入指导单词序列的生成。使用COCO数据集进行实验验证,在BLEU＿4和CIDEr上分别得分38.1%和124.8%,相较于基线模型提升了1.8%和4.7%,证明了该方法的可行性。