机器学习系统毒化攻击综述

自机器学习被应用到许多关键性领域以来,机器学习系统的脆弱性也引起了人们的高度重视。其中,针对机器学习系统的毒化攻击得到了研究者的广泛关注,呈现了一些研究成果。因此,将系统地介绍当前机器学习系统毒化攻击的研究进展,对机器学习系统毒化攻击算法进行分类和总结,包括针对机器学习中的线性分类器、支持向量机、贝叶斯分类器和深度神经网络等几类常见模型的毒化攻击等攻击算法,目标是使现有的关于机器学习系统毒化攻击的研究成果更加清晰,为相关研究者的研究工作提供启发。     

基于贝叶斯和大数据分析的业务连续性风险管理

容灾备份恢复已经上升到国家信息化发展的战略高度.业务连续性是容灾备份的一个应用延伸,是指在中断事件发生后,在预先确定的可接受水平上连续提供服务的能力.通过分析关键风险因素对业务连续性的影响,制作了云环境下业务连续性保护评价指标体系,然后利用贝叶斯网络构建风险评估模型并给出风险分析方法.基于大数据下的云日志解析来实现状态...     

单相接地故障与串联谐振的辨识

采用时域法分析了串联谐振的发展过程,研究了中性点电压的变化特点,发现串联谐振时中性点电压的发展过程与单相接地故障消失后的情形完全不同.通过辨识单相接地故障与串联谐振,提出了一种消弧线圈有效退出的控制策略,并通过理论分析和仿真实验证实了该方法的可行性和有效性.     

一种基于实时数据误差补偿的傅立叶测频算法

频率是电能质量中的重要指标之一,通常的傅立叶测频法由于频率泄漏的影响精度不高.对比不同采样周期傅立叶测频算法的精度,通过分析全周期法的误差,基于实时数据模型计算并用最小二乘法拟合误差补偿曲线,修正计算结果,得到一种新的频率测量方法.由于模型建立后实时计算仅需采样2个周期且不增加算法复杂度,因此具有计算量小、精度高、实时性好等优点.仿真计算结果表明,采用该算法得到的频率值具有较高的计算精度.     

一种基于实时数据误差补偿的傅立叶测频算法

频率是电能质量中的重要指标之一,通常的傅立叶测频法由于频率泄漏的影响精度不高。对比不同采样周期傅立叶测频算法的精度,通过分析全周期法的误差,基于实时数据模型计算并用最小二乘法拟合误差补偿曲线,修正计算结果,得到一种新的频率测量方法。由于模型建立后实时计算仅需采样2个周期且不增加算法复杂度,因此具有计算量小、精度高、实时性好等优点。仿真计算结果表明,采用该算法得到的频率值具有较高的计算精度。