面向Kubernetes的容器立体化监控系统

容器监控是保证容器基础设施正常运行的核心要素之一,然而当前容器监控角度较为单一,尚缺少直观有效的方法协助运维人员快速定位业务容器异常原因.本文设计并实现了一个面向Kubernetes的容器立体化监控系统,通过监控指标相关性分析,把相关性较强的指标作为立体化监控的核心指标提供给运维人员,更好地实现对容器的全局统筹监控.     

基于之字形解码算法优化的高效低存储ZD码

ZD码(ZigZag-decodable codes)是基于之字形解码算法设计生成的一类纠删码, 它仅需要少量的计算即可修复存储系统中的故障数据, 但需要存储相对其他纠删码更多的冗余数据以保证系统的高可靠性. 为了降低ZD码产生的存储开销, 本文通过分析当前在存储系统中使用的之字形解码的思想, 提出了一种优化的之字形解码算法. 新的解码算法能够更充分利用校验数据中的信息来完成数据修复. 基于新的解码算法, 本文相应的提出了一种新的ZD码编码方案, 由于新算法更高的信息利用率, 新的编码方案能够用更少的存储开销来满足存储系统的高可靠性. 实验结果表明, 本文提出的ZD码编码方案具有最优的存储开销, 且编解码性能远高于目前广泛使用的RS码.     

数字孪生技术在智慧水利工程中的应用

水利工程是我国促进经济发展的重要设施,应重视水利工程的稳定以及运行安全。数字孪生技术能够为智慧水利工程建设中存在的问题提供解决方案,有助于相关部门更科学、精准地进行防洪、减灾、洪水调度等水安全处理工作,主动防范灾害对城市经济、人民生命财产产生影响,促进智慧水利工程的高质量发展。基于此,文中主要介绍了数字孪生技术,及其在智慧水利工程中应用的必要性,并对其在智慧水利工程中的应用进行了深入分析,以期为智慧水利工程的发展提供参考。     

Lithiation-Induced Defect Engineering to Promote Oxygen Evolution Reaction

Exploring efficient electrocatalysts for oxygen evolution reaction (OER) is an urgent need to advance the development of sustainable energy conversion. Though defect engineering is considered an effective strategy to regulate catalyst activity for enhanced OER performance, the controllable synthesis of defective oxides electrocatalysts remains challenging. Here, oxygen defects are introduced into NiCo₂O₄ nanorods by an electrochemical lithiation strategy. By tuning in situ lithiation potentials, the concentration of oxygen defects and the corresponding catalytic activity can be feasibly regulated. In addition, the relationship between the changes in the defect density and electronic structure and the lithiation cut-off voltages is revealed. The results show that NiCo₂O₄ nanorods undertook intercalation and two-step conversion reaction, in which the lithiation-induced conversion reaction gives rise to a CoO@NiO-based structure with higher defect density and lower oxidation states. As a result, the defective CoO@NiO-based catalyst exhibits exceptional OER activity with an overpotential of 270 mV at 10 mA cm⁻², which is about 74 mV below the pristine nanomaterials. This research proposes a novel strategy to explore high-performance catalysts with structural stability and defect control.     

基于两阶段分布鲁棒优化的列车停站方案与时刻表协同研究

列车停站方案与列车时刻表协同优化能够克服两者单独优化难以实现系统最优的弊端,从而可以得到旅客满意和企业期望的运营方案.首先,针对多场景不确定旅客需求概率分布信息已知的情形,综合考虑轨道与车站站线占用等约束,以极小化列车总行程时间、各场景未被满足旅客需求以及列车冗余之和为目标,构建列车停站方案与时刻表两阶段随机规划模型.在此基础上,进一步考虑旅客需求场景概率分布信息部分已知的情形,构建与之相对应的两阶段分布鲁棒优化模型.其次,借助L∞范数非精确集,将所构建的列车停站方案与时刻表两阶段分布鲁棒协同优化模型转换为等价的混合整数线性规划模型,并利用Visual C++平台调用GUROBI进行求解.最后,将所构建模型应用到武汉-广州高速铁路走廊上验证其有效性,结果表明,相比于随机优化模型,分布鲁棒优化模型只需付出较小的代价,即可抵御旅客需求概率分布不确定性带来的影响,且可以改善最坏情形下解的质量,为得到鲁棒性较强的铁路列车停站方案与时刻表提供一定的理论依据.     

Rumor detection with self-supervised learning on texts and social graph

Rumor detection has become an emerging and active research field in recent years. At the core is to model the rumor characteristics inherent in rich information, such as propagation patterns in social network and semantic patterns in post content, and differentiate them from the truth. However, existing works on rumor detection fall short in modeling heterogeneous information, either using one single information source only (e.g., social network, or post content) or ignoring the relations among multiple sources (e.g., fusing social and content features via simple concatenation).Therefore, they possibly have drawbacks in comprehensively understanding the rumors, and detecting them accurately. In this work, we explore contrastive self-supervised learning on heterogeneous information sources, so as to reveal their relations and characterize rumors better. Technically, we supplement the main supervised task of detection with an auxiliary self-supervised task, which enriches post representations via post self-discrimination.Specifically, given two heterogeneous views of a post (i.e., representations encoding social patterns and semantic patterns), the discrimination is done by maximizing the mutual information between different views of the same post compared to that of other posts. We devise cluster-wise and instance-wise approaches to generate the views and conduct the discrimination, considering different relations of information sources. We term this framework as self-supervised rumor detection (SRD). Extensive experiments on three real-world datasets validate the effectiveness of SRD for automatic rumor detection on social media.     

一种针对TomcatFilter型的MemShell检测技术研究

近些年来,随着计算机技术的不断发展和应用,Web应用技术也在快速更迭,与其一起发展的还有木马后门技术,但传统的木马后门技术已经不能满足攻击者的需求,因而基于内存攻击的方式不断涌现,包括powershell内存载入攻击、.NET assembly托管代码注入攻击以及内存马(Memory WebShell,MemShell)攻击等,这些攻击方式为现有的安全防御检测机制带来了极大的挑战。因而业界对面向解决基于内存的攻击尤其是内存马的攻击展现出了强烈的需求。但当前业内针对内存马的检测能力较弱,学术界也缺乏对该领域的研究工作,所以本文提出了一种针对Tomcat Filter型的内存马检测方法。通过研究发现,内存马其最核心技术便是无文件(Fileless)及不落地(Living off the Land),但尽管如此,内存马最终会在内存中展现其功能并执行命令,所以内存是所有威胁的交汇点,因此本文将Java虚拟机(Java Virtual Machine,JVM)作为起始点,首先利用JVM内存扫描技术遍历出JVM内存中加载的所有Filter类型对象,但需要注意的是这些对象并非都是有威胁的,并且每一个对象都具有一定的特征,所以可以对这些特征通过人工经验进行分类并且筛选出具有代表性的特征向量,然后获取每一个Filter类型对象的所有代表特征向量,并根据特征向量的值梳理出异常表现序列;最后,利用朴素贝叶斯算法将大量正常和异常的Filter对象的异常表现序列作为训练样本,计算出对应项的条件概率并形成贝叶斯分类器。利用训练出的贝叶斯分类器就可以构建出一个内存马检测模型,该模型能够有效得针对该类型的内存马进行检测。实验结果表明,本文提出的方法针对Tomcat Filter型内存马的检测,实现了零误报率和94.07%的召回率。     

基于BFGS信赖域算法的电-气综合能源系统能流计算

电-气综合能源系统能流计算的计算方法多为牛顿法,具有初值敏感性问题,若初值选取不当会造成计算不收敛。现有研究中天然气系统(natural gas system, NGS)的计算初值选取问题还未有适用的解决方法。从能流算法方面入手,提出基于BFGS信赖域算法的电-气综合能源系统能流计算方法,利用BFGS(Broyden-Fletcher-Goldfarb-Shanno)信赖域算法对初值依赖性不高特点,求取NGS的能流分布,解决使用Newton法进行计算时潮流计算容易不收敛的问题。基于6节点天然气系统和19节点电-气综合能源系统的算例,验证了方法的准确性和有效性     

基于低频电磁的铁磁管道内壁缺陷重构方法

利用低频电磁的方法对铁磁管道内壁缺陷进行检测及轮廓重构是当前的一个热点问题。然而,低频电磁方法检测到的漏磁信号是周期性变化的,不便于缺陷信息的提取,并且被检测管道的长度、管径和原始壁厚的不同会严重干扰检测结果。因此,本文首先建立了低频磁场下管道内壁缺陷的二维有限元检测模型。其次通过计算漏磁信号与线圈电流比值,消除了漏磁信号的周期性变化给检测带来的不便。然后通过对的预处理,有效减少管道长度、管径和原始壁厚的不同对缺陷轮廓重构结果的影响。最后,基于高斯过程回归算法建立预处理信号与缺陷轮廓的回归模型,实现了缺陷轮廓重构。仿真结果中,针对长度、管径和原始壁厚各异的铁磁管道,所重构轮廓的均方根误差在0.17mm左右,表明该方法能够准确的重构出内壁缺陷轮廓。     

基于Vine Copula的短期径流预报不确定性分析

定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明：相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。