销轴换向链条式长冲程抽油机结构设计

针对传统链条抽油机可靠性差、换向平衡机构故障率高等问题，设计了一种销轴换向链条式长冲程抽油机。通过采用重力平衡和销轴换向方式，改进配重箱和特殊链节结构，换向过程配重箱与特殊链节脱离，减小对换向机构的侧弯力矩和换向冲击。试验表明：新机型保持了传统链条机长冲程、大载荷、质量轻和节电等优点，而且简化了整机结构，减小了换向冲击。     

基于多尺度特征融合的异常流量检测方法

快速、准确地检测异常是网络安全的重要保证。但是由于网络流量的非线性、非平稳性以及自相似性,异常流量检测存在误报率高、检测率低、不能满足骨干网实时性要求等问题。该方法综合了希尔伯特-黄变换(Hilbert-Huang Transform,HHT)和Dempster-Shafer证据理论(D-S evidence theory)评测框架。前者将不同的流特征分别分解为多时间尺度上的固有模态函数(Intrinsic Mode Function,IMF),滤除特征中的非线性、非平稳分量;后者将前者分解得到的多尺度特征作为证据融合并最终做出决策。通过对KDD CUP 1999的入侵检测系统(Intrusion DetectionSystem,IDS)基准数据的实验表明,该方法能有效区分突发流量(crowd flow)和拒绝服务攻击(Denail of service,DoS)攻击流,整体上在保证低误报率前提下检测率达到85.1%。目前该方法已经作为入侵检测的子模块实现,并试用于某骨干网入口处检测异常。     

结构化P2P网络路由算法在网络层的性能评估

基于结构化P2P路由系统的马尔可夫链模型,以平均路径长度为指标,提出了结构化P2P网络路由算法在网络层面的性能量化评估方法。该方法解决了结构化P2P网络采用基于overlay层面的路由算法实现资源查找和定位导致的网络层路由性能无法估量的问题,能够准确表现结构化P2P网络overlay层面路由算法的实际网络性能,为结构化P2P网络路由算法的研究提供准确的性能评估机制。     

基于全局行为特征的未知恶意文档检测

相比于基于宏的恶意办公文档,基于漏洞利用的恶意办公文档在攻击过程中往往不需要目标交互,能在目标无感的情况下完成攻击,已经成为APT攻击的重要手段,因此检测基于漏洞利用特别是未知漏洞利用的恶意文档对于发现APT攻击具有重要作用。当前的恶意文档检测方法主要围绕PDF文档展开,分为静态检测和动态检测两类,静态检测方法容易被攻击者规避,且无法发现基于远程载荷触发的漏洞利用,动态检测方法仅考虑PDF中JavaScript脚本或文档阅读器进程的行为特征,忽视了针对系统其他进程程序的间接攻击,存在检测盲区。针对上述问题,本文分析了恶意办公文档的攻击面,提出恶意文档威胁模型,并进一步实现一种基于全局行为特征的未知恶意文档检测方法,在文档处理过程中提取全系统行为特征,仅训练良性文档样本形成行为特征库用于恶意文档检测,并引入敏感行为特征用于降低检测误报率。本文在包含DOCX、RTF、DOC三种类型共计522个良性文档上进行训练获取行为特征库,然后在2088个良性文档样本和211个恶意文档样本上进行了测试,其中10个恶意样本为手动构造用于模拟几种典型的攻击场景。实验结果表明该方法在极低误报率(0.14%)的情况下能够检测出所有的恶意样本,具备检测利用未知漏洞的恶意文档的能力,进一步实验表明该方法也能够用于检测针对WPS Office软件进行漏洞利用的恶意文档。     

软件定义的内容中心网络的分段路由策略

为降低软件定义的内容中心网络(SD-CCN)的内容请求时延,减少网络拥塞,快速应对网络中的节点或链路故障,借用软件定义网络(SDN)流量工程中的分段路由思想设计了软件定义的内容中心网络的分段路由策略(SD-CCN-SR)。通过控制器选取最优的缓存或内容源节点作为目的节点查找最优路径,向入口边界节点下发分段标签序列。将分段标签序列中的标签依次作为分段的目的节点进行最短路径转发,实现控制器通过少量控制信息对兴趣包上行链路的整体控制。仿真结果表明,本策略能够有效降低平均请求时延及平均路由跳数。     

SDN中基于效能优化的交换机动态迁移策略

交换机迁移作为一种弹性控制方式对于软件定义网络（SDN）中多控制器负载均衡具有重要作用.针对现有迁移方案存在迁移效率低下和高迁移代价问题,提出基于效能优化的交换机动态迁移策略.首先,分析控制器负载组成并构建负载差异矩阵,设置触发因子进行负载不均衡判定.然后确定迁移对象,建立迁移效能模型,同时考虑负载均衡率和迁移代价来确定迁移交换机和迁入控制器.最后,通过设定迁移三元组完成迁移映射,实现高效交换机迁移.仿真结果表明,该策略可以有效降低控制器响应时间,减小迁移代价并提高控制器吞吐量,同时将负载均衡率保持在较高水平,具有良好的拓扑适应性.     

基于动态优先级的数据中心网络时限感知TCP协议

针对当前数据中心网络传输机制缺乏对Online Data-Intensive (OLDI) 应用软实时性和高吞吐量的综合性能保障的问题,本文提出了一种基于动态优先级的数据中心网络时限感知协议LSTCP。该协议采用最小空闲时间优先(Least Slack First,LSF)调度策略对流进行优先级划分,利用ECN机制的反馈,根据流的缓急程度和网络拥塞程度实现拥塞窗口的动态调整,实现对紧急流而非截止期越早的流优先调度。与传统截止时间感知协议相比,减少了短流的平均流完成时间,保证了长流的吞吐量特性。实验结果表明,与L2DCT算法相比,LSTCP降低了17%的流错过时限的比例,流完成时间的99th分位数减少了20%。     

基于抽样流长与完全抽样阈值的异常流自适应抽样算法

高速IP网络的流量测量与异常检测是网络测量领域研究的热点。针对目前网络流量测量算法对小流估计精度偏低,对异常流量筛选能力较差的缺陷,该文提出一种基于业务流已抽样长度与完全抽样阈值S的自适应流抽样算法(AFPT)。AFPT算法根据完全抽样阈值S筛选对异常流量敏感相关的小流,同时根据业务流已抽样长度自适应调整抽样概率。仿真和实验结果表明,AFPT算法的估计误差与理论上界相符,具有较强的异常流量筛选能力,能够有效提高异常检测算法的准确率。     

网络功能虚拟化环境中大规模资源状态监测策略

在网络功能虚拟化（NFV）环境中,为了提高网络中基础设施资源利用率,高效动态部署服务功能链,编排管理域需要对网络中底层资源及虚拟网络功能状态进行实时监测,但实时监测会产生大量通信开销。提出了网络通信开销最小化的智能分布式监测策略,通过改进的标签传播算法智能划分子网并选择代理监测节点,实现了对资源和虚拟功能状态的高效监测,并使监测信息通信开销最小。仿真结果表明,所提监测策略使网络中监测信息通信开销降低约13%。图4 不同算法下子网节点数量方差图     

现代图学教学中的图感因素探析

为探索工程图学的有效教学方法,论文从心理学的角度在对图感因素进行 深层分析和认知的基础上,研究丰富了图感的概念及其本质特性;结合教学工作实际探索了 图感培养的方法,以期创造更加符合认知规律的教学模式,更好地提高学生的图学文化水平 和图学思维能力。