浅析通信技术对网络传输安全性的要求

随着我国经济实力逐渐的增强,各行各业都在高速发展,我国在通信技术的发展道路上已经打下了坚实的基础,并且取得了不错的成就,通信技术已经走在了世界的前列,但是在通信技术高速发展的过程中往往也面临着通信安全的问题,这在很大程度上影响着通信技术行业在以后的发展。通信技术的安全关系到信息领域在未来的发展趋势,同时通信技术的安全也为信息在网络中快速安全有效的传播提供保障。因此,通信技术的安全问题已经成为了各行各业所重点关心的问题。本文通过对现代通信技术中存在的不足以及技术性问题展开讨论,最终提出一些相应的解决办法,最重要的是让社会中的每个人都具备防范意识,这样才能够保证个人信息不通过网络泄露出去。     

基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析

针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。     

网络互联设备的性能测试原理和实践探微

信息时代,互联网的覆盖领域越来越高,且使用频率也相对较高,使得互联网已经成为人们生活中不可或缺的一部分。伴随着社会经济快速发展,人们生活水平逐年提高,对于互联网的服务要求也越来越高。为了适应用户需求,互联网提供商对于网络互连设备不断更新,以提高其应用价值。特别是目前电子商务盛行,推动着互联网用户上网络流量呈指数增长。这就为互联网技术性能提出了新的挑战。本论文针对网络互联设备的性能测试原理和实践应用进行探究。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

网络业务能力开放研究现状及展望

通过分析网络业务能力开放的典型应用场景,归纳总结了现有网络业务能力开放的实现方案,并对未来网络业务能力开放的研究热点进行展望。     

基于复杂网络的串联式项目群结构脆弱性分析

运用复杂网络理论研究串联式项目群的结构脆弱性。首先,基于串联式项目群的拓扑结构及特征,将串联式项目群抽象为一个有向加权网络。继而运用网络指标评估串联式项目群的结构脆弱性,并进一步探讨了网络拓扑结构特征与其脆弱性之间的关系。研究实现了串联式项目群结构脆弱性的定量化评估,能够有效识别项目群中存在的薄弱环节,且相关分析表明节点中心性指标能够为关键节点的识别提供参考。本研究对于优化项目群结构、提高项目群的抗风险能力和保障其顺利实施具有重要启示。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。