首页 网络安全与数据治理（原《信息技术与网络安全》）

隨著網絡安全法的深入貫徹和實施，等級保護制度已成為新時期國家網絡安全的基本制度，等級保護2.0的出臺，網絡安全保護對象實現了對云計算、大數據、物聯網、移動互聯網、工業控制系統的全覆蓋。結合等級保護2.0新標準要求以及城市軌道交通信號系統網絡安全的建設需求，依照“一個中心，三重防御”核心思想，提出城市軌道交通信號系統網絡安全防護新思路。

隨著物聯網終端設備間直接通信的需求不斷增大，為解決物聯網終端設備間安全通信和隱私保護問題，終端設備間認證技術成為人們關注的一個熱點，業界諸多學者已經對此展開相關研究并提出多種物聯網終端設備間的認證機制。但是，上述機制在安全強度及抵抗攻擊效果方面尚存在不足。為解決此問題，該文提出一種基于IBE策略的物聯網終端設備身份認證方案，實現終端設備之間匿名雙向認證，同時使用橢圓曲線加密算法保證認證過程中信息傳輸的安全性。通過安全性理論分析和性能分析表明，該方案可很好地抵抗重放攻擊、中間人攻擊和篡改攻擊等已知攻擊且具有較低的計算開銷。

針對火電工控系統的網絡安全問題進行了研究，對當前火電工控系統的網絡架構、安全挑戰、防護現狀、風險來源等網絡安全問題進行了分析總結，按照電力系統的安全防護總體原則及相關標準規范，針對電力生產網絡的特點及安全要求，提出了以數據探針為組成單元的能夠覆蓋電廠工控網絡各個層級并配置監測中心的安全防護架構，能夠對多種工控協議進行深度解析，對已知和未知危險流量進行識別和學習，并將宏觀網絡態勢以可視化的方式展示出來，實現了對電廠工控系統多層次、立體化、智能化的安全防護，能夠深度有效的保護電廠生產網絡系統。

隨著微電網技術在電力系統中的應用愈加廣泛，協調微電網內部分布式電源的出力分配以提高經濟性成為了研究的重要課題。目前主流的經濟調度方法是微電網調度中心利用全網微電源及負荷的信息進行調度，但這種集中式的方法依賴調度中心的計算能力，對微電源與調度中心之間通信要求較高，且與微電網的分布式特性相違背。提出一種完全分布式的并行調度方法，各分布式電源作為獨立的智能體，平等地參與調度工作，利用自身與鄰居節點之間的勢能博弈，基于粒子群算法優化自身的出力，進而實現全網經濟性最優的目標。在MATLAB平臺上搭建了獨立微電網優化調度模型，驗證了所提出方法的可行性，并討論了相關參數的變化對于調度結果的影響。

針對基于非局部稀疏自相似性的超分辨率重建方法存在的圖像邊緣保持性能不佳的問題，提出了一種基于稀疏編碼和各向異性濾波的超分辨率重建算法。該算法利用卷積神經網絡和各向異性引導濾波訓練了一個各向異性特征模型，然后利用該特征模型構建一個局部的結構先驗，以和非局部稀疏先驗形成互補，從而提高算法的邊緣保持能力。該算法訓練后的模式使用通用測試集進行測試，測試結果表明算法SR性能較好，能很好地保持邊緣細節，提供視覺效果更好的圖像。

主要研究的是神經網絡的一種新型訓練方式——極限學習機算法的優化和改進。首先通過與傳統的神經網絡算法的對比，介紹極限學習機算法的主要思想和流程，展現其特點及優勢；其次，由于常規極限學習機在預測的精度上及運用的穩定上存在不小的缺陷，通過闡述幾個智能尋優算法及優缺點比較，引出該文的重點量子遺傳算法，并利用此算法去優化極限學習機的連接權值和閾值，選取最優的權值和閾值賦予測試網絡，達到良好的使用效果；最后，介紹了改進極限學習機算法在MATLAB上進行實驗仿真及結果分析的步驟與流程，實驗結果說明改進后的算法相比于經典算法在回歸問題的預測上有優勢，預測精度更高，且結果更穩定；在分類問題的處理上，準確性也具有壓倒性優勢。

游戲勝負預測可用于自適應游戲AI的設計，策略層面強化學習的反饋參數等。使用SC2LE公開的數據集，首先通過游戲時間、MMR和AMP指標進行數據預處理，得到質量較高的數據集；然后使用pysc2解析，提取游戲數據；最后進行特征分析，得到基礎特征和統計特征，完成游戲特征數據集的構建。最終采用機器學習方法XGB分類模型,利用10次十折交叉驗證法進行模型評估與優選。結果表明使用基礎特性與統計特性的組合，可以使得實時勝率預測準確率在不同匹配對局情況下均超過80%。

圖像拼接的基礎是將所有待拼接的圖像轉換到同一平面上，而透視變換矩陣描述的就是一個平面到另一個平面的投影變換，反映了圖像坐標點之間的一一對應關系。但當透視變換矩陣中參數精度較低時會導致圖像拼接效果不佳，拼接過程中會出現公共區域無法對接、有鬼影等現象。提出了一種基于二倍體顯性機制的DNA遺傳算法(AO方法)的矩陣參數優化方案，AO方法在優化效率上能以較快的速度和較高的精度搜索到問題的全局最優解，從而提高透視變換矩陣參數的精度。實驗結果顯示，所提出的方法能夠較好地優化矩陣參數，符合期望目標。

針對當前人工智能技術在軍用領域的應用問題和難點，研究基于深度學習技術的軍用軟硬件架構設計方法，并且結合業內主流的軟硬件基礎架構，分析在軍事應用中涉及的關鍵技術和解決思路。通過對深度學習模型壓縮轉化、數據增強和分布式訓練等軟硬件架構的關鍵技術研究，設計構建了一站式人工智能開發平臺、嵌入式邊緣智能計算平臺，對軍用人工智能提供端到端的訓練、部署和測試支撐。該研究可為未來智能無人作戰系統提供軟硬協同的智能計算解決方案。

卷積神經網絡(Convolutional neural network,CNN)具有非比尋常的從樣本中學習特征的能力，訓練需要大量帶有標簽的圖像樣本。因此，在使用卷積神經網絡對地基云圖相關研究時，建立云圖樣本庫是第一步，也是非常重要的一步。首先，通過數碼相機直接拍攝、從互聯網上下載、從公開發行的云圖類書籍獲取以及由全天空照相機拍攝等手段獲取三個云圖樣本庫；接著，對三個樣本庫圖像的分辨率、噪聲、數量等問題進行了分析；然后，采用雙線性插值和數據增強方法對樣本庫進行歸一化預處理；最后，利用卷積神經網絡、LBP、Heinle feature和Textonbased method三種方法對增強后的數據集進行云識別分類驗證，實驗結果表明，利用本文方法進行增強數據可有效解決卷積神經網絡對小樣本數據識別率不高

針對飛機舵機電液伺服系統中PID控制器參數難以整定的問題，引入一種智能PID控制方法。該方法結合了粒子群算法和PID控制器的優點，并利用蜂群算法的選擇策略對粒子群算法進行優化，適應了飛機舵機電液伺服系統非線性動態控制環境的要求。實驗結果表明，飛機舵機電液伺服系統智能PID控制方法能夠達到系統控制性能指標要求，相較于傳統PID控制器具有更良好的跟蹤效果。

條形碼技術作為一種數據采集和自動識別技術應用非常廣泛。為了更好地滿足應用場景的自動化功能需求，利用圖像處理相關技術，對EAN-13條形碼識別的相關算法進行了研究。首先，針對采集到的條形碼圖像進行圖像預處理，包括圖像灰度化、基于Hough變換的圖像傾角矯正、目標分割和圖像濾波；然后根據條形碼編碼的既定規則，采用平均值法和校驗碼驗證法對條形碼進行譯碼；最后，利用MATLAB仿真軟件，設計了一個條形碼識別系統。通過實驗驗證，所設計的系統識別率可以達到99%以上，取得了很好的效果。

近年來，隨著生活水平的提高，人們越來越多地選擇飛機作為長距離旅行的交通工具，因此對機場效率提出了更高的要求，機場信息化就成為了大勢所趨。而地理信息系統作為機場信息化的重要組成部分，對其研究和開發就成為了機場信息化建設的重要內容之一。分析了當前機場地理信息系統的技術現狀，針對其實時性差和安全性不高等問題，提出了一種基于C/S架構的新型機場地理信息系統。該系統在中航油智慧加油改造項目中實現并得到成功應用，具有實時性好、安全性高等特點。

公路視頻實時車輛檢測分類與車流量統計是計算機視覺領域的一個經典問題。傳統設置檢測帶法，易漏檢復檢，自動化性不好。基于深度網絡的one-stage算法實時性好，但是經常會把變化的背景、運動的非車輛物體納入其中，同時對光照變化敏感，夜間分類效果不好。因此，提出采用one-stage做目標檢測，并不直接獲取分類結果，而是根據標注框將物體切割出來，去除背景，提升抗背景擾動性能和分類效果；再送入一個經過遷移學習的淺層神經網絡；將分類輸出和目標檢測網絡的位置輸出合并送入一個全圖匹配算法，進行車流量統計。該方法在保障實時性的同時降低了漏檢和復檢率。