基于PBAC的层次式组织机构单点登录技术研究

文章提出一种基于策略访问控制模型的单点登录技术,使用以属性和规则为核心的访问策略表达资源的安全需求,一方面通过建立信任联邦实现跨域的身份认证,另一方面通过部署基于SAML标准和XACML模型的层次式属性权威机构进行域内、域间的策略评估,为分布式环境下的单点登录和授权提供了一种安全的解决方案。     

身份认证管理系统(IDM)设计

随着网络技术和信息化应用的不断深入,需要将分散、重复的用户数字身份认证进行整合,实现统一、安全、灵活、稳定和可扩展的企业级统一身份认证管理系统。采用J2EE设计了一个支持多层架构的系统,对统一用户管理、组织机构管理、身份认证、权限管理等功能进行了分析与设计。     

基于.Net的数字化校园单点登录系统研究

本文介绍了校园网中各信息平台的现状,从数字化校园单点登录系统的研究出发,对目前几种常见的单点登录方案进行了分析,提出了一种基于.Net的单点登录Web服务方案,可以方便用户对资源的访问,增强用户访问站点的安全性。详细介绍了该方案的流程设计及实现方式,并对该方案的安全性进行了分析。     

云计算身份认证模型研究

云计算是在继承和融合众多技术基础上的一个突破性创新,已成为当前应用和研究的重点与热点。其中,云用户与云服务之间以及云平台中不同系统之间的身份认证与资源授权是确保云计算安全性的前提。在简要介绍云计算信息基础架构的基础上,针对云计算统一身份认证的特点和要求,综合分析了SAML2.0、OAuth2.0和Open ID2.0等技术规范的功能特点,提出了一种开放标准的云计算身份认证模型,为云计算中逻辑安全域的形成与管理提供了参考。     

Single Sign—On（SSO）技术探讨

当为了支持商业进程而沿伸IT系统时,用户和系统管理员为了完成工作,面对着日益增长的复杂的各种接口（人机交互接口）。用户需要登录多个的系统,而系统管理员则需要以同样的方式,维护多个系统的用户账号。单点登陆系统能集统一各个系统的认证和授权,解决用户和管理员的困扰,并大大提高安全性。利用Kerberos思想和SSL技术,在HTTP协议基础上建立有效的认证和授权机制,提出可行的Web单点登陆平台解决方案。     

跨平台、跨应用的单点登录算法设计与实现

校园网中存在多Web的应用系统,而每个Web应用服务器都有一个身份认证,给教师和学生在使用上带来很多不便.讲述了通过Session的分布式认证系统完成多平台单点登录的安全算法的实现过程.     

SERDES在程控交换机系统中的应用

文章讨论了如何利用SERDES在程控交换机公共控制单元的系统冗余切换功能中实现大量并行数据的传输,详细介绍了程控交换机公共控制单元利用SERDES进行大量并行数据传输的工作原理和具体实现过程以及实际应用中的注意事项。SERDES的应用,大大提高了数据传输的可靠性和稳定性,从而使整个交换机系统的稳定性和工作效率显著提高。     

单边限幅参与的并网VSC系统次同步振荡近似分析

针对电力电子设备引起的次同步振荡问题,现有研究集中在无法计及限幅的小信号模型分析或考虑限幅对称的近似分析,但极少考虑不对称的单边限幅的影响。针对不对称的单边d轴电流限幅(AU-d-CL,或上电流饱和限幅)参与的并网电压源换流器(voltage source converter,VSC)系统的次同步振荡现象,采用单边限幅的描述函数和广义Nyquist判据进行近似分析。具体地,首先,建立了并网VSC系统的简化模型,分析了其小扰动稳定性,并分析了AU-d-CL参与的负阻尼振荡现象。其次,给出了VSC系统的频域模型和AU-d-CL的描述函数。最后,结合AU-d-CL的描述函数和广义Nyquist判据,近似计算了不同参数和限幅值时的振荡幅值和频率,结果表明计算结果和仿真结果基本一致,可解释次同步振荡在限幅值改变时,频率基本不变,振荡幅值变化的现象。     

Power system transient stability assessment based on the multiple paralleled convolutional neural network and gated recurrent unit

In order to accurately evaluate power system stability in a timely manner after faults, and further improve the feature extraction ability of the model, this paper presents an improved transient stability assessment (TSA) method of CNN?+?GRU. This comprises a convolutional neural network (CNN) and gated recurrent unit (GRU). CNN has the feature extraction capability for a micro short-term time sequence, while GRU can extract characteristics contained in a macro long-term time sequence. The two are integrated to comprehensively extract the high-order features that are contained in a transient process. To overcome the difficulty of sample misclassification, a multiple parallel (MP) CNN?+?GRU, with multiple CNN?+?GRU connected in parallel, is created. Additionally, an improved focal loss (FL) function which can implement self-adaptive adjustment according to the neural network training is introduced to guide model training. Finally, the proposed methods are verified on the IEEE 39 and 145-bus systems. The simulation results indicate that the proposed methods have better TSA performance than other existing methods.