腐蚀科学领域内专家系统的应用

把现有腐蚀领域内专家系统分为基于规则的、基于案例的、基于神经网络的和基于网络的,并阐述了各个类型专家系统的优势和不足。然后从知识、推理策略和人机交互平台三个方面总结了现有腐蚀类专家系统的特点,从总体上指出其存在的不足。最后对未来腐蚀领域内专家系统的发展进行了展望,并分别对腐蚀类专家系统远期目标和近期目标进行了预期。     

基于联邦学习的入侵检测机制研究

大数据时代的到来使得数据成为社会发展的重要战略资源。然而随着网络环境日趋复杂化,隐私泄露和恶意攻击事件层出不穷。联邦学习作为一种新型数据共享模型,能够在保护数据隐私的前提下进行数据共享,有效解决了传统入侵检测模型的弊端。文章首先介绍了联邦学习及入侵检测模型的构成及特点,提出了基于联邦学习的入侵检测机制,并深入分析了该检测机制在检测准确率及效率上有效提升的可行性。通过对模型进行需求分析和设计,并以函数编程进行模拟仿真实验,实现原型系统开发。实验表明联邦学习机制能够在保证参与客户端数据隐私安全的前提下实现多方攻击行为日志的共享。多组控制变量的对照实验表明,基于联邦学习的入侵检测机制在检测准确率及效率上得到明显改善。