显示器电磁木马的Soft-TEMPEST技术研究

显示器电磁木马是通过控制计算机屏幕电磁辐射达到窃取信息目的的一种新型木马。当前的主流防护思想是用软件防护代替较为成熟但造价昂贵的硬件防护机制,然而目前软防护思想大多侧重于理论方法的探索,在实现机制上相对比较复杂。针对显示器电磁木马的工作特点提出了Soft-TEMPEST防护机制,设计了显示器电磁木马的ADFA（API Detection and Frequency Analysis）检测方法。该方法通过API函数序列的周期性挖掘分析,结合对屏幕像素信息的傅里叶变换及频谱分析,达到检测出木马进程的目的。测试结果表明,该方法能够成功检测出多种显示器电磁木马,而且原理简单,方便投入使用。     

基于SolidWorks与ANSYS的挖掘机动臂有限元分析

使用SolidWorks对挖掘机动臂进行三维实体建模,然后通过SolidWorks与ANSYS的接口导入ANSYS中,利用ANSYS对动臂进行了强度、刚度及模态分析,得到相应的应力、位移和振型图,为挖掘机动臂的设计和改进提供了理论依据。     

基于虚拟化技术的动态污点分析

在现有的污点分析技术基础上,针对当前污点分析工具的记录不准确等缺陷,研究并实现了基于虚拟化技术的动态污点分析。结合虚拟化技术设计了动态污点分析框架,针对内存污点数据和硬盘污点数据分别设计了基于Hook技术的污点标记模型和Hash遍历的污点标记模型,依据Intel&AMD的指令编码格式对指令进行分类并依据指令类型设计污点传播策略,为解决信息记录冗余问题设计了基于指令筛选的污点记录策略。实验证明,该技术是有效的动态污点分析方法,可以很好地运用于模糊测试中的测试用例生成与漏洞检测。     

地震与地热的关联性:从预测减灾到取能减灾

地热能决定了地球分层流变、洋陆与盆山的关联成因、成矿成藏和自然灾害链,由此带动地学革命、能源革命和减灾革命。要实现这个宏伟目标,应开展两项重要工作:一是在地球系统动力学和热流体撞击地震成因模式指导下,科学预测地震及其关联灾害;二是在地球内部系统动力学和动态热源思想指导下,梯级综合开发地热能,特别是干热岩地热能低成本大规模持续发电,既能解决能源问题,又能从根本上解决灾害问题和环境问题。简要论述了地震与地热的关联机理,认为地球上没有板块,只有洋陆和盆山,它们由地壳和地幔固态流变物质层流而成,物质非均匀流动产生地震,断层是地震的结果。在热动力驱动地球物质非均匀层流的思想指导下,进一步阐明了地震预测和地热开发的思路和方法,明确指出沿着隐伏的活动韧性剪切带通过超长超导重力热管、U形钻井和U形挖掘进行高效采热,不仅能够解决供暖和电力问题,而且具有减灾减排作用。     

ZWY-120/55L型矿用挖掘装载机在口孜东矿巷道修复中的应用

以ZWY-120/55L型煤矿用挖掘装载机为研究基础,介绍了整机结构及参数;为应对修复进行了优化设计,分析了配套设备方案及施工技术;并采用了"挖掘装载机+转载链板机+带式输送机"方案,在口孜东矿121301工作面进行了巷道修复卧底试验。结果表明,挖掘装载机用于修复卧底施工可提高作业效率、减小劳动强度且操作轻便、安全性高。     

基于聚类挖掘的科技数据价值动态监测方法

由于传统的科技数据存在噪声较多,导致科技数据价值动态监测效果较差等问题,提出一种基于聚类挖掘的科技数据价值动态监测方法。预先采用聚类挖掘方法对数据挖掘与聚类,建立动态距离函数,在此基础上对数据自身属性的识别,使相邻之间的数据进行特性交换与结合,并对数据噪声去除,实现基于聚类挖掘的科技数据价值动态监测。实验结果表明,所研究的监测方法在正常数据下和入侵数据下都能够在短时间内实现数据价值动态监测,并且在入侵数据下也能够实现准确监测,满足方法设计需求。     

基于前导码挖掘的未知协议帧切分算法

针对未知协议帧切分技术存在的效率较低的问题,提出基于前导码挖掘的未知协议帧切分技术。首先介绍前导码作为标识链路帧起始位置的原理,分析候选序列选取问题是现有频繁序列挖掘方法无法对长度较长的前导码进行挖掘的原因,并针对该原因以及前导码挖掘的特点提出从目标比特流中发现候选序列、基于候选序列集合大小变化特征的候选序列选取等改进方法;然后提出未知前导码长度的判定与挖掘方法,从挖掘的众多频繁序列中找出前导码序列,进而对帧进行切分;最后通过采集的真实数据对所提方法的有效性进行了验证。实验结果表明,所提方法能够快速准确地挖掘未知协议比特流中的前导码序列,相比现有方法降低了空间与时间复杂度。     

基于差分隐私的轨迹模式挖掘算法

针对现有基于差分隐私的频繁轨迹模式挖掘算法全局敏感度过高、挖掘结果可用性较低的问题,提出一种基于前缀序列格和轨迹截断的差分隐私下频繁轨迹模式挖掘算法--LTPM。该算法首先利用自适应的方法获得最优截断长度,然后采用一种动态规划的策略对原始数据库进行截断处理,在此基础上,利用等价关系构建前缀序列格,并挖掘频繁轨迹模式。理论分析表明LTPM算法满足ε-差分隐私;实验结果表明,LTPM算法的准确率（TPR）和平均相对误差（ARE）明显优于N-gram和Prefix算法,能有效提高挖掘结果的可用性。     

基于离散序列报文的协议格式特征自动提取算法

针对缺少会话信息的离散序列报文,提出一种基于离散序列报文的协议格式（SPMbFSC）特征自动提取算法。SPMbFSC在对离散序列报文进行聚类的基础上,通过改进的频繁模式挖掘算法提取出协议关键字,进一步对协议关键字进行选择,筛选出协议格式特征。仿真结果表明,SPMbFSC在以单个报文为颗粒度的识别中对FTP、HTTP等六种协议的识别率均能达到95%以上,在以会话为颗粒度的识别中识别率可达90%。同等实验条件下性能优于自适应特征（AdapSig）提取方法。实验结果表明SPMbFSC不依赖会话数据的完整性,更符合实际应用中由于接收条件限制导致会话信息不完整的情形。     

基于环型网络模体应用马尔科夫聚类的图挖掘模型*

针对图数据挖掘效率低、精度低等问题,提出基于环型网络模体应用马尔科夫聚类的图挖掘模型.首先,依据输入图的点集,采用Erdo″s-Rényi模型生成随机图,在输入图和随机图的子图挖掘过程中利用向量的加法性质判定环型子图,计算网络模体的统计特征,判断子图是否为网络模体.然后,求解图中边的绝对贡献值关联矩阵,通过动态阈值法求得阈值,二值化处理该矩阵.最后,对已稀疏化的图进行扩张和膨胀操作,使其达到收敛状态.实验表明,文中模型有效减少运行时间,在保证聚类质量同时提高图挖掘效率.