网络攻击与安全防护的分类研究

根据网络安全的研究与实现层面,提出了把网络攻击分为密码学意义上的理论攻击和现实意义上的技术攻击,对网络安全防护技术也做了类似划分,在此基础上对当前各类网络攻击和安全保护技术做了详尽的归类,并指出未来网络安全保护需注意的重点问题和可能的发展趋势。     

基于深度学习的固结磨料研磨垫表面形态表征

固结磨料研磨垫的表面形态与其加工性能有着密切关系,为更好地了解固结磨料研磨垫表面形态,尤其是研磨垫中的金刚石、孔隙、金刚石脱落坑等的分布特征,提出一种基于深度学习的固结磨料研磨垫表面形态分析方法。首先,利用徕卡DVM6数字显微镜及其配套软件获取固结磨料研磨垫表面图像;然后,采用python3+OpenCV对图像进行预处理,并利用标注软件Labelme对图像进行标注,用于后续的训练和测试;最后,运用深度学习框架Tensorflow搭建Mask R-CNN模型。结果表明：Mask R-CNN模型能对单一固结磨料垫表面图像中的多目标进行有效分割与识别,其主要评价指标平均准确率达到78.9%,达到了图像识别的主流水平。     

固结磨料研磨硫化锌的亚表面损伤预测分析

研磨抛光后产生的工件亚表面损伤是评价工艺优劣及确定加工余量的主要参考,因此对亚表面损伤准确的预测有助于提高加工效率。采用离散元法对典型的软脆材料硫化锌固结磨料研磨过程中产生的亚表面损伤进行模拟,预测不同粒径金刚石加工工件后的亚表面微裂纹层深度。利用角度抛光法将工件抛光出一个斜面,作为亚表面损伤观测平面,通过盐酸的腐蚀使亚表面微裂纹显现,在金相显微镜下寻找微裂纹消失的终点位置并转换成亚表面微裂纹层深度,对仿真结果进行实验验证。结果表明:粒径为5、15、25、30 μm的磨粒造成的亚表面微裂纹层深度预测值分别为2.28、3.62、5.93、7.82 μm,角度抛光法实测值分别为2.02、3.98、6.27、8.27 μm。以上结果表明磨粒粒径对硫化锌亚表面损伤情况有很大的影响,随着磨粒粒径的增大,亚表面微裂纹深度增加,微裂纹数量增多。离散元法预测值与实测值偏差范围处在5%~15%之间,利用离散元法能有较为准确的预测软脆材料硫化锌加工后的亚表面损伤情况,为其研抛工艺的制定提供参考。     

一种SYN／Flooding攻击的对策

介绍了目前防范SYN/Flooding网络攻击的几种典型的方法,在模拟高速交换网络的环境下实施了SYN/Fooding网络攻击的实验,通过对网络带宽和系统遭受贡献的影响的分析和比较实验结果,指出现有系统的不足,并提出一种适用于高强度SYN/Flooding攻击的自适应cookies防范模型,在Linux系统中实现了该模型,实验结果表明该模型能捣鬼庐山强度的SYN/Flooding攻击,优于传统的防范策略。