网络融合边界的电信DoS攻击检测*

为了检测网络融合边界的电信拒绝服务攻击,首先针对攻击的类型分别提出了基于呼叫统计或流量信号分析的检测方法,并采用分步骤的策略设计了检测系统,将两种检测算法分别应用于粗检测步骤,再通过精检测步骤确认攻击并找出攻击源.模拟实验结果表明,该方案能够有效地检测出典型的攻击,并能够实时在线检测,具有良好的实用价值,为应对网络融合所带来的新安全问题提供了一种解决方案.     

一种白光测速仪在热锯区域中的应用

阐述白光测速仪的工作原理及优缺点,介绍其在莱钢大H型钢生产线热锯区域的应用.     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

面向交通流量预测的时空超关系图卷积网络

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象（如站点、传感器）之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通对象们跨时空维度的直接关联性。目前仍缺乏一种全面建模局部时空关系的方法。针对这一问题,首先提出一种新颖的时空超图建模方案,通过构造一种时空超关系来全面地建模复杂的局部时空关系;然后提出一种时空超关系图卷积网络（STHGCN）预测模型来捕获这些关系用于交通流量预测。在四个公开交通数据集上进行了大量对比实验,结果表明,相比ASTGCN、时空同步图卷积网络（STSGCN）等时空预测模型,STHGCN在均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）这三个评价指标上均取得了更优的结果,不同模型运行时间的对比结果也表明,STHGCN有着更高的推理速度。     

基于权值优化神经网络的交通拥堵程度决策方法

针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题,提出了一种基于权值优化神经网络方法。首先,采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性。其次,由信息熵计算证据的贡献度,并作为优化神经网络的输入层权值。接下来,由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值,以期降低不确定和不完备证据给整个网络带来的累积误差。最后,结合实际交通状况进行算例分析,验证了该方法的准确性与收敛性。结论分析表明,所提出的方法能作出准确的交通拥堵程度决策。     

美国铝箔工业

美国是一个铝箔大国和强国.2002年铝箔产量596 kt,占全球总产量的24%强,共有铝箔厂22个,总生产能力887 kt;是个铝箔消费大国,2002年的消费量为693 kt,人均消费量2.48 kg;美国是个铝箔净进口国,2002年的净进口量97.023 kt.2002年美国约有辊面宽度不小于1 000 mm的4辊铝箔轧机220台,平均每厂10台.美国生产双零铝箔的企业还不到10家,其他的生产单零箔与厚箔,双零箔的产量约占总产量的20%弱.美国铝业公司在国内有7个铝箔厂,合计生产能力328 kt/a,不但是美国最大的铝箔生产者,也是全球最大的铝箔生产者.2005年美国铝箔的生产能力可达约980 kt/a.     

基于实时路况的交通信号灯智能管控方法

为解决城市严重的交通拥堵问题,提出一种基于实时路况的交通信号灯智能管控方法。实时检测交叉方向车辆,计算车道占用率,应用模糊控制理论优化信号灯切换频率,确保双向车道均衡使用。实验利用实测数据,结合模拟分析结果,针对早晚高峰以及中午等3个典型时段道路交通状况,与传统定时控制方法进行比较,比较结果表明,该方法能够有效地利用车道,增强交通通行能力,较传统的定时控制方式更具有适用性。     

城市区域交通信号迭代学习控制策略

城市交通流具有复杂的非线性动态特性, 在交通控制中难以对其进行精确的数学建模; 同时, 以天为周期, 宏观交通流又呈现出明显的周期性特征. 鉴于此, 提出一种基于迭代学习的城市区域交通信号控制策略, 通过对交通信号的迭代控制, 使路段的平均占有率收敛于期望占有率, 从而使绿灯时间得到充分利用并防止交通拥堵的发生, 保证了交通流在路网中的高效平稳运行. 严格的理论推导证明了该方法的收敛性, 仿真结果验证了该方法的有效性.

     

移动互联网环境下的防篡改系统性能评估模型

随着网页防篡改系统的广泛应用以及移动互联网的快速发展,目前针对防篡改系统的性能评估尤其是在移动网络环境下的性能评估还没有一个准确的评估模型,不能科学地对测试数据进行量化评估。针对上述问题,通过分析防篡改系统的性能要求、移动网络流量的组成与特点以及性能测试工具的选择和配置等,设计出一套对网页防篡改系统进行性能评估的模型。模型主要以业务响应时间、最大并发连接数和系统资源占用三个关键点为标准,对各项分配权值,以此对测试数据进行量化评分。并利用模型对现有防篡改系统进行评估。