涉密网络内部安全过滤系统的设计与实现

着眼涉密网络内部不同密级间信息流传输提供可靠的安全保证,分析涉密网络内部不同密级间信息流动可能产生的安全威胁,从信息保障总体思路与框架的要求出发,以对象标定为基础,设计了基于WinPcap的信息过滤及监控系统,阐述了系统功能,设定了系统的体系及软件结构,编制了捕获过滤内核,研究了信息流的处理方法,给出了系统的安全策略。同时,对于数据风暴、数据处理等重点问题进行了深入研究。通过模拟论证,该系统可以有效地保证涉密网络内部信息流的安全传输。     

基于神经网络参数优化的热失控状态温度预测研究

为提高夹杂热失控现象的微波干燥褐煤过程中神经网络预测温度精度,提出一种基于二次滤波及粒子群寻优的神经网络参数优化算法。该方法先引入小波分析对训练数据进行软阈值滤波处理,使温度数据在描述变化趋势的同时突出非平稳特征,而后使用粒子群算法寻找该趋势特征对应的神经网络最优的隐层节点数、学习率及最佳训练次数的组合,最后在预测中使用前向均值阈值滤波处理输入数据配合该最优网络进行预测。实验结果表明,该方法能同时提高热失控和非热失控状态下温度预测精度,使预测平均绝对误差下降59.2%。     

某型数字射频存储器的设计研究

数字射频存储器（DRFM）采用高速采样和数字存储作为其技术基础,具有对射频和微波信号的存储和再现能力,可实现对雷达设备性能的无线检测.但DRFM系统设计中存在着高速高精度信号采集与回放、高速大容量数据实时存储等诸多设计难点.本文以实际工程项目为背景,论述了某型DRFM系统的技术要求、总体设计及系统的测试验证,并着重论述了在本项目中解决DRFM系统设计中诸多难题的方法.     

chirp-z重组算法及其在电力设备绝缘监测中的应用

在电力系统中,在线带电监测电力设备的绝缘性能,实现电网故障的预测和诊断是智能电网对电气设备绝缘性能自动化测量的重要要求;其中,通过谐波分析结算介质损耗,是测量绝缘性能的一种重要方法;为了提高谐波结算的实时性,文章采用了线性调频Z变换(Chirp-Z)及其双实序列在线重组算法,对介质损耗测量中电流电压的谐波计算进行了优化,很好地解决了测量中谐波和间谐波干扰难题,实现了高精度局部解谱,而耗时不到常规Chirp-Z算法的一半;该方法在涉及谐波计算的有限资源无线分布测量系统中获得了很好的应用。     

实时时钟器件M41T94在配网监测终端中的应用

介绍具有SPI接口的多功能实时时钟器件M41T94,它具有精度高、功耗低等特点。提出一种M41T94在配网监测终端中的应用设计。结合单片机C8051F340的控制,给出配网监测终端实时时钟模块的软硬件设计。     

基于元伪标签和光照不变特征的人脸反欺诈算法

人脸反欺诈(Face anti-spoofing,FAS)在防止人脸识别系统遭受欺诈攻击方面起着至关重要的作用,得益于深度学习网络强大的特征提取能力,基于深度学习的FAS算法取得比基于传统手工特征算法更好的性能,成为近期的研究热点。尽管大多数基于深度学习的FAS算法能在库内达到很好的检测效果,但是跨库检测性能欠佳,主要原因是库内和库外数据往往在不同条件下采集,例如拍摄设备、环境光照和攻击呈现设备不同,导致库内和库外数据的分布不同,两者之间存在域位移。当训练数据的多样性不足时,容易在库内学习过程中过拟合,跨库泛化性能不好。尽管我们可以判断起因,然而在真实世界的应用过程中解决上述问题并不容易。一方面,人脸反欺诈模型难以收集所有场景下的有标签训练样本;另一方面,不同应用场景使得同一因素产生不同的影响,例如,不同场景的光照导致域位移,影响了分类模型对本质性欺诈纹理的提取。为此,本文将元伪标签引入人脸反欺诈任务,提出一种基于元伪标签的人脸反欺诈方法。主要贡献包括:第一,提出一种基于图像块的“教师生成伪标签,学生反馈”半监督学习框架,挖掘局部图像的高区分度特征,解决有标签样本不足的问题;第二,基于局部重力模式(Pattern of localgravitational force,PLGF),设计一种带有注意力模块的光照不变特征分支,抑制应用场景中最容易影响特征提取的光照因素;第三,将元学习与半监督学习框架相结合,优化教师生成伪标签的过程,提高算法的跨库检测能力。与现有流行算法相比,在三个公开的测试数据集(包括CASIA、Replay-Attack和MSU)上,所提出方法在库内测试和跨库测试下均有突出的表现,尤其是泛化性能得到显著提高。在样本数量中等时,在不同库中的半总错误率保持最低。     

基才MCU+CPLD的新型光栅数显系统设计

利用CPLD替代传统专用的ASIC来采样处理正交脉冲.利用高精度电压检测器配合增强型MCU实现掉电数据存储,从而实现新型光栅数显示系统的设计.     

一种高效的H.264去块滤波方法

环路滤波器是H.264视频编码标准的一个重要选项,在去除混合编码带来的块效应的过程中起着重要的作用,但是其计算复杂度较高,不利实时实现。首先详细分析了去块滤波器高复杂度的原因,进而提出一种简单、高效的去块滤波新方法。大量的实验证明:该方法保持了与原方法相近的滤波效果的同时,缩短编码时间2.24%至5.51%,大大较少了计算复杂度,易于硬件实时实现。     

网络投诉处理解决方案

介绍网络投诉处理流程及其系统支撑现状,基于SOA体系架构,对分布于不同网段、不同地理位置的投诉工具和数据整合,提供统一投诉处理平台,实现投诉一键处理,提高网络投诉处理工作效率。     

基于元伪标签和光照不变特征的人脸反欺诈算法CSCD

Face anti-spoofing (FAS) plays a vital role in preventing face recognition systems from presentation attacks. Benefitted from powerful capability of feature extraction of deep learning (DL) network, FAS algorithms based on deep learning are much superior to those ones based on traditional handcrafted features in detection performance and thus become a research hotspot. Although most DL-based FAS algorithms can achieve good performance for intra-database test, the performance decreases greatly for cross-database test. The main reason is that samples are often collected under different capturing settings for intra-database and cross-database, for example, different cameras, environment illuminations, presentation medium, and thus their distributions are different, which can lead to the domain shift problem. When the diversity of training samples is insufficient, a model trained with such samples can be easily overfitting for intra-database while not being able to perform well for cross-database. Although the reasons of poor generalization are clear, the solution to them cannot be easily achieved in real-world applications. On the one hand, it is difficult for the FAS model to collect labeled training samples for all scenarios; on the other hand, different application scenarios make the same factor behave differently, which affects the extraction of intrinsic spoofing textures. In this paper, we introduce meta-pseudo-label into the FAS task, and propose a FAS method based on meta-pseudo-label. There are three major contributions. First, we propose a semi-supervised learning framework of “teacher generates pseudo-label and student feedbacks” based on image patches, which extracts the highly discriminative features of local images to solve the problem of insufficient labeled samples. Second, based on the Pattern of Local Gravitational Force (PLGF), we design an illumination-invariant feature branch with an attention module to suppress the illumination influence on feature extraction in application scenarios. Third, the meta-learning is combined with the semi-supervised learning framework to optimize the process of generating pseudo-label by teacher and improve the generalization ability of the algorithm. Compared with state-of-the-art algorithms, the proposed method performs quite well in both intra-database test and cross-database test on three public datasets including CASIA, Replay-Attack, and MSU. Specifically, the performance in cross-database is greatly improved. It can achieve the lowest HTER values for middle-sized sample number. © 2023 Chinese Academy of Sciences. All rights reserved.