首页 网络安全与数据治理（原《信息技术与网络安全》）

提出了一種基于長短碼聯合度量的程序完整性校驗方法。分析了操作系統文件系統的特點，基于LSM框架設計文件監控模塊，實現對文件完整性實時標記，可主動標記識別被篡改文件；應用程序安裝到操作系統時，會對該程序計算哈希值和設定短碼標記，來初始化白名單數據庫完成度量基準的設定；應用程序執行前觸發校驗模塊，先檢測程序的短碼標記，根據檢測結果再決定對程序的哈希值長碼校驗。使用應用程序長短碼聯合度量校驗，提高應用程序度量校驗效率；結合監控模塊對程序的實時監控，并針對不同場景，設計了應用程序的標記在多種類別之間的轉換規則，保證快速精細地獲取程序完整的狀況。整套方案實現了對應用程序實時高效的控制。

可信連接作為可信計算理論的重要組成部分，是實現信任在網絡上傳遞的核心技術，在不同的產品和應用場景中有不同的實現方案。設計并實現了一種基于TPCM可信根的可信連接技術架構，通過TPCM在系統運行過程中對系統環境進行主動度量，實現平臺的基礎可信環境，并將度量結果報告進行簽名，標識平臺當前環境的可信狀態，由此實現對通信雙方身份的識別和可信驗證，減少非法網絡連接，使整個系統具備主動免疫防御能力，實現對未知威脅的有效防護。

針對基于深度學習的入侵檢測技術存在準確率低和模型易過擬合問題，提出一種基于多尺度特征提取優化的深度殘差網絡(Multiscale-Deep Residual Network，M-DRN)模型。該模型在殘差網絡的殘差塊中引入多尺度特征提取和因子分解的思想，并采用BN算法提升網絡收斂速度。選用NSL-KDD數據集為實驗數據訓練模型并迭代優化網絡參數，利用測試集比較發現該模型在多個評價指標上均有提升。該模型與CNN相比更穩定，與ResNet相比分類準確率提升了3.35%，與RNN-IDS相比訓練時間減少了65.2%。實驗結果表明，所提出模型具有更好的特征提取能力和更快的收斂速度，不易過擬合。

針對利用廣義神經網絡(Generalized Regression Neural Network，GRNN)搭建的定位預測模型定位精度低、效率慢等問題，基于動態分群策略，提出一種線性遞減粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鳥(Cuckoo Search，CS)混合尋優算法，并利用此算法為GRNN選擇最優參數，構建定位預測模型。該算法主要利用K均值聚類算法(K-means)對整個種群進行周期性的分群，底層使用LDCPSO算法優化各個子群，并將最優粒子傳至高層，高層使用CS算法優化各個子群的最優粒子，并將最終結果返回底層，執行下一次迭代。實驗過程中，一方面將提出的算法應用于多個測試函數，結果表明該算法具有更好的收斂速度和收斂精度；另一方面利用該算法搭建定位模型，并與其他定位模型對比，結果顯示該定位模型具有更好的定位效果。

以Deepfake為代表的偽造人臉技術，使用少量的人臉數據就能將視頻中的人臉替換成為目標人臉，從而達到偽造視頻的目的。此類技術的濫用將帶來惡劣的社會影響，需要使用檢測技術加以制裁。針對這一問題，已有若干檢測算法被提出。現有方法具有一定局限性，單幀檢測算法忽略了Deepfake動態缺陷；當數據存在缺陷時，模型可能會陷入“學會特定臉”的陷阱中。提出了一種對視頻數據中的Deepfake檢測方法，使用結合CNN和LSTM的卷積LSTM，判斷視頻真偽。提出了一種基于人臉特征點的cutout方法，能抑制網絡學會特定臉。實驗表明，在不同場景下，準確度對比基準算法均有提升。

能否精確地預測城市區域空氣質量分布，對于政府環境治理以及人們日常預防等方面，具有重要的意義。該問題面臨的挑戰是：一是不同區域的空氣質量分布具有時空交互性；二是空氣質量分布受到外部因素的影響。通用化卷積神經網絡以處理任意圖結構數據，成為近些年來研究的熱點之一，將城市空氣質量預測問題可制定為時空圖預測問題。基于提出的高階圖卷積網絡，設計了一種有效的空氣質量推斷模型。該模型可以捕獲空氣質量分布的時空交互性和提取外部影響因素特征，從而精確預測空氣質量分布。通過驗證現實北京市空氣質量數據，結果表明提出的模型遠遠優于目前已知的通用方法。

有毒氣體的擴散預測在應急響應中起著重要作用。現有的計算流體力學(CFD)方法存在計算耗時長等問題，無法快速進行毒害氣體擴散預測。提出了一種利用深度學習技術進行有毒氣體擴散預測的方法。根據有毒氣體擴散原理，設計基于GRU的神經網絡模型，實現快速、有效的氣體擴散濃度的預測。將本文的方法在經典的公開數據集草原牧場數據集上進行驗證，實驗結果表明本文方法可實現較高精度的氣體擴散濃度的預測，并且優于基于BP神經網絡模型的方法。

衛星為隨時隨地接入網絡提供了有效解決方案，然而由于衛星網絡用戶及流量分布的不平衡，導致衛星網絡鏈路利用率失衡，許多衛星網絡負載均衡路由技術相繼被提出。首先介紹了不同類別的衛星網絡，并對不同的單層和多層衛星網絡進行了優缺點對比。然后根據衛星網絡路由發展脈絡，綜述了國內外關于單層衛星網絡的全局、局部負載均衡和多層衛星網絡的上下層角色分離、利用上層分流實現負載均衡的相關技術。接著從實現效果、計算模式、鏈路代價、網絡開銷等方面對負載均衡路由技術進行對比分析。最后結合衛星網絡發展趨勢，給出了衛星網絡負載均衡路由技術的技術挑戰和未來方向。

介紹了一種基于放大器、模數轉換(Analog to Digital Converter，ADC)和現場可編程門陣列(Field Programmable Gate Array，FPGA)的多通道數據采集方案，包括采集系統的主要構成以及實現方法，最后對系統性能進行了測試。該電路模塊為子母板結構，通過PCI Extensions for Instrumentation Express(PXIe)機箱背板總線實現數據的讀出能力。該模塊可支持8個采集通道的同步采集，每通道采樣率可達500 MS/s。測試結果表明，在其帶寬內有效位可接近11 bit(ADC采樣精度為14 bit)，能夠滿足高速高精度的數據采集需求。

為了順應民航氣象自動化發展需求，設計了一種自動氣象溫濕度傳感器采集電路，能夠實現對民用機場跑道周邊溫濕度要素的較高精度采集。系統對硬件電路部分進行了模塊化結構設計，對溫濕度采集原理進行了分析，利用4線制PT100鉑電阻對溫度進行測量，通過恒流源驅動的方式產生溫度對應電壓，再通過AD7792進行采集，計算出溫度傳感器的電阻值Rpt100。濕度信號輸出類型為0～1 V的直流電壓，利用AD7792的第2通道以及片內1.17 V的基準電壓進行采集，得到ADSample2采樣值,計算出濕度對應的電壓值Vrh(單位：mV)， Vrh在數值上與濕度采樣值相等。試驗證明采集電路可以完成對溫濕度信號的采集。

隨著近幾年無人超市的不斷發展成熟，自助購物越來越普及。如果商品售出后沒能及時補充，會影響消費者的購買意愿。為提升商品圖像識別的準確率，采用多特征融合的方法，即將多種算法的特征聯合，形成優勢互補。采用融合SIFT特征和灰度共生矩陣特征的方法完成貨架商品圖像的匹配。實驗表明，該方法對比灰度共生矩陣方法準確率提升20.6%，對比SIFT算法和PCA-SIFT算法準確率分別提升8.9%和5.6%；處理時間對比以上三種算法略有增加。此方法還可用于分析貨物受歡迎程度以及確認哪些柜臺需要加貨等，從而及時有效地對短缺的商品進行補充。

為了實時監控人體的心電信號，以胸帶作為穿戴載體，設計一個可穿戴心電檢測系統。內嵌于胸帶的心電傳感器采集佩戴者心電信號，通過藍牙傳輸至移動設備應用程序，實現心電信號及心率的實時顯示。所實現的心電檢測算法基于自適應閾值，檢測心電信號的R波并計算實時心率。設計和實施了實地實驗以檢測系統和算法性能。結果表明，心率檢測算法的R波檢測錯誤率為-1.99%，較好地適應了可穿戴心電傳感器采集的信號。