排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
球形储罐的焊后热处理是一个较为复杂的技术问题,其主要目的为:(1)消除残余应力,(2)稳定结构形状和尺寸;(3)细化晶粒,改善焊接接头综合性能,(4)提高抗应力腐蚀能力,避免延迟裂纹的产生。国内外有关标准规范,对球罐焊后热处理有着不同的规定,我国标准GB12337-90《钢制球形储罐》第8.81条明确规定了需进行焊后整体热处理的钢制球形储罐的范围。安徽省淮南化工集团有限公司一台国产4000M^3液氨球罐,由化工部第三设计院设计,中国化学工业第三建设公司现场组焊;该球罐容积大、壳体壁薄、球壳板刚度较小,在组装过程中不可避免地产生较大的组装与焊接残余应力和变形;因而根据要求进行焊后整体热处理对该球罐的安全使用意义尤为重要,本文主要介绍该球罐焊后整体热处理工艺方法。 相似文献
2.
论述了视频监控的发展,网络摄像机的原理及构成,并结合广电无人值守机房的特点,说明网络视频监控在广电无人值守机房的应用。 相似文献
3.
现有的安卓恶意应用检测方法所提取的特征冗余且抽象,无法在高级语义上反映恶意应用的行为模式。针对这一问题,提出一种可解释性检测方法,通过社交网络检测算法聚类可疑系统调用组合,将其映射为单通道图像,用卷积神经网络进行分类,并利用卷积层梯度权重类激活映射可视化方法发现最可疑的系统调用组合,从而挖掘理解恶意应用行为。实验结果表明,所提方法在高效检测的基础上,能够正确发现恶意应用的行为模式。 相似文献
4.
轧辊磨损后可以采用不同的更换方式,更换方式的不同对轧辊在使用中的可用度有着显著的影响.为描述这种影响下轧辊的可用度随使用时间的变化,建立了仿真模型.利用现场对比试验数据,对轧辊在3种不同更换方式下的可用度进行了仿真,并利用Monte Carlo仿真方法证明了该仿真模型的正确性.该仿真方法计算速度快,仿真结果唯一.无随机性,精度高. 相似文献
5.
6.
随着软件的复杂程度越来越高,对漏洞检测的研究需求也日益增大.软件漏洞的迅速发现和修补可以将漏洞带来的损失降到最低.基于深度学习的漏洞检测方法作为目前新兴的检测手段,可以从漏洞代码中自动学习其隐含的漏洞模式,节省了大量人力投入.但基于深度学习的漏洞检测方法尚未完善,其中函数级别的检测方法存在检测粒度较粗且检测准确率较低的问题,切片级别的检测方法虽然能够有效减少样本噪声,但是仍存在以下两个方面的问题.一方面现有方法大多采用人工漏洞数据集进行实验,因此其在真实环境中的漏洞检测能力仍然存疑;另一方面,相关工作仅致力于检测出切片样本是否存在漏洞,而缺乏对检测结果可解释性的考虑.针对上述问题,本文提出了基于图神经网络的切片级漏洞检测及解释方法.该方法首先对C/C++源代码进行规范化并提取切片,以减少样本冗余信息干扰;其次采用图神经网络模型进行切片嵌入得到其向量表征,以保留源代码的结构信息和漏洞特征;然后将切片的向量表征输入漏洞检测模型进行训练和预测;最后将训练完成的漏洞检测模型和待解释的漏洞切片输入漏洞解释器得到具体的漏洞代码行.实验结果显示,在漏洞检测方面,该方法对于真实漏洞数据的检测F1分数达到75.1%,相较于对比方法提升了41.2%-110.4%.在漏洞解释方面,该方法在限定前10%的关键节点时准确率可以达到73.6%,相较于两种对比解释器分别提升8.9%和24.9%,且时间开销分别缩短42.5%和15.4%.最后,该方法正确检测并解释了4个开源软件中59个真实漏洞,证明了其在现实世界漏洞发掘方面的实用性. 相似文献
7.
自安卓发布以来,由于其开源、硬件丰富和应用市场多样等优势,安卓系统已经成为全球使用最广泛的手机操作系统。同时,安卓设备和安卓应用的爆炸式增长也使其成为96%移动恶意软件的攻击目标。现存的安卓恶意软件检测方法中,忽视程序语义而直接提取简单程序特征的方法检测速度快但精确度不理想,将程序语义转换为图模型并采用图分析的方法精确度高但开销大且扩展性低。为了解决上述挑战,本文将应用的程序语义提取为函数调用图,保留语义信息的同时采用抽象API技术将调用图转换为抽象图以减少运行开销并增强鲁棒性。基于得到的抽象图,以Triplet Loss损失训练构建基于图卷积神经网络的抗混淆安卓恶意软件分类器SriDroid。对20246个安卓应用进行实验分析之后,发现SriDroid可以达到99.17%的恶意软件检测精确度,并具有良好的鲁棒性。 相似文献
8.
9.
10.