基于Pearson相关系数的Cache计时模板攻击方法

针对Cache计时模板攻击所采集数据噪声较多的问题,提出一种利用访问地址Cache命中率建立计时模板的方法,并根据Pearson相关系数对输入值进行判断。通过Flush+Reload攻击方法对计算机的键盘输入进行攻击,获取每个地址的Cache命中率,将Cache命中率高的地址转换为模板矩阵,利用该模板矩阵计算Pearson相关系数并根据系数大小判断输入值。实验结果表明,与均方误差法相比,该方法能够提高对输入值的判断准确率。     

基于BA-RVM算法的发动机故障诊断技术研究

发动机是装备动力系统的核心部件,针对传统检测技术在大量故障装备中难以准确快速诊断发动机故障,且诊断工作量大、效率低等问题,提出一种基于BA-RVM算法的发动机故障诊断模型。通过融合典型装甲装备发动机的各项指标,利用采集的参数指标与发动机的故障数据对模型进行训练,使得模型能够基于发动机的参数对故障类型进行预测。在模型训练时,采用蝙蝠算法BA对相关向量机算法RVM的核参数宽度进行优化,得到RVM最优参数的预测模型。最后,以12/200ZL型水冷废气涡轮增压柴油机为对象开展实验。实验结果表明,基于BA-RVM算法的故障诊断错误率比BP算法的降低了66.67%,比SVM算法的降低了62.5%。