一种改进的超轻量级RFID所有权转移协议

针对RFID所有权转移协议中存在的拒绝服务攻击漏洞,提出了一种改进的超轻量级RFID所有权转移协议,并给出了基于GNY逻辑的协议安全性证明。通过改进协议的交互方式,实现了阅读器和标签的双向认证功能,解决了攻击者重放消息造成的拒绝服务攻击漏洞等问题,提高了阅读器和标签在开放环境中通信的保密性。对协议的安全性分析和性能比较分析表明,该协议不仅满足所有权转移的安全要求,而且具有超轻量的特点,适合于移动身份认证环境中的实际应用。     

Docker容器资源管控配置实战

作为轻量级容器管理引擎,Docker对现有容器工具进行了封装、集成,大大简化其安装、配置和管理。Docker可方便地用于PaaS云服务、持续集成、资源管理等多个领域,有效实现对资源的管控和隔离。本文分析了Docker的资源管控能力,并总结了实际使用Docker时,需要注意的具体配置和辅助使用外部工具配置方案。     

浅谈一体化业务平台的统一门户架构

随着办公信息化水平的不断提高,各业务系统趋向于整合和集中,本文讨论了一种一体化的统一门户平台,能对纳入一体化系统的各业务子系统的账户和权限实行统一分配、分级管理;实现单点登录,和统一的业务事务提醒功能,利用CA认证接口,能够方便地和上级CA系统进行衔接以保证各项业务的安全性。     

基于SSH轻量级架构的干部在线学习系统的设计与实现

为满足干部学员的在线学习需求,设计实现了一种基于SSH轻量级架构的干部在线学习系统,对系统进行了需求分析,提出了系统的设计原则和目标,分析了系统的网络架构和软件体系结构,对系统关键功能模块进行了研究,给出了系统部署和运行结果。学员可以使用Internet登录系统,浏览资讯,查询资料,学习课件和在线考试等。该系统的设计与实现为干部在线学习提供了一种新的解决方案,具有一定的实用和参考价值。     

基于虚拟机的轻量级医疗诊断系统的应用研究*

医疗诊断系统存在设计难度大、投入成本高、数据安全难以保障等问题。提出一种基于虚拟机和轻量级开发的解决方案,采用ASP.NET+Access+Ajax模式设计医疗诊断系统,并运行在VMWare虚拟机环境中。根据该方案设计了急腹症医疗诊断系统。实践表明,基于虚拟机的轻量级医疗诊断系统,具有开发难度适中、成本低、安全可靠、管理维护方便等优点。     

虚拟实验平台信息安全架构设计

依托＂十一五＂国家科技支撑计划重点项目《虚拟实验教学环境关键技术研究与应用示范》,构建一个开放、共享、高安全性的虚拟实验共享平台,使用户对实验的使用从传统的分散小群体模式提升到按需使用跨区域第三方运营的共享模式。本文提出了基于USB Key的CA认证体系,设计了虚拟实验网络的安全结构和试验平台的身份认证系统。用户通过USB Key认证登录后,即可使用本域内或远程的并行计算环境,按照系统提供的标准服务规范,与实验系统远程交互。     

一种简化的CA认证系统

针对网络安全问题,在对PKI机制和SSL技术深入研究之后,从节省成本、便于维护的角度出发,设计了一套简化的CA认证系统,实现了安全连接建立前通信双方身份的识别,然后采用数据加密传输,为用户数据通信提供安全保证.     

基于SSH2技术的高校考试系统的研究

如今各大高校都已进入数字化时代,越来越多的课程选择在线教学及在线考试。因此提出一种SSH2高校考试平台设计方案,它基于J2EE轻量级框架组合。本文介绍了SSH2技术,对系统的总体结构、功能结构和性能需求进行了详细的说明。     

基于关键点检测的无锚框轻量级目标检测算法

针对基于关键点的目标检测参数量大、检测框误匹配的问题,提出一种轻量级的基于关键点检测的无锚框目标检测算法.首先将输入图片输入优化过的特征提取算法,通过级联角池化与中心池化,输出3个关键点的热力图与它们的嵌入向量;然后通过嵌入向量匹配热力图并画出检测框.文中的创新点在于将SqueezeNet中的轻量级模块firemodule适配至CenterNet,并用深度可分离卷积代替主干网的常规卷积,同时,针对CenterNet的检测框误匹配问题优化了算法输出形式与训练时的损失函数.实验结果表明,改良后的算法使得原有的CenterNet算法模型尺寸缩小为原来的1/7,同时检测精度与速度较YOLOv3,CornerNet-Lite等相同量级的算法仍有所提高.     

交通监控场景中的车辆检测与跟踪算法研究

考虑多目标跟踪过程中存在的实时性和身份跳变问题,提出一种基于检测的多车辆跟踪算法。首先利用Mobilenetv2替换YOLOv3检测算法的主干网络,构建目标检测模块YOLOv3-Mobilenetv2,减少检测算法模型参数,提高检测模块的运行速度;在Mobilenetv2中引入Bottom-up连接,增强多尺度特征图间的信息融合;然后构建基于LSTM的运动模型,解决卡尔曼滤波在非线性系统中产生的预测误差,基于Deepsort跟踪算法,引入LSTM运动模型,形成L-Deepsort跟踪算法;改进L-Deepsort跟踪算法外观匹配策略,提升目标间的关联性;最后融合轻量级目标检测算法YOLOv3-Mobilenetv2与多目标跟踪算法L-Deepsort,形成MYL-Deepsort多车辆跟踪算法,实现多车辆的实时准确跟踪。实验结果表明,该方法在跟踪性能提升的情况下,速度较YOLOv3-Deepsort提高21 frame/s,在TX2平台达到13 frame/s。