罗伯特技术屋

摘 要 异常检测对于网络管理与安全至关重要.国内外大量研究提出了一系列网络异常检测方法，其中大多数方法更关注数据包及其独立时序数据流的分析、检测与告警，这类方法仅仅利用了网络数据之间的时间相关性，无法检测新类型的网络异常，且难以定位以及剔除异常数据.为了解决上述问题，相关研究融合多时间序列数据流，提出基于低秩分解的网络异常检测方法.该方法充分利用网络数据之间的时间-空间相关性，无监督地定位异常数据所在位置，同时将异常数据剔除，从而还原网络正常数据.首先，根据其对正常数据与异常数据的不同类型约束,将基于低秩分

摘 要 关键蛋白质作为蛋白质中的关键物质，不仅对研究细胞生长调控有着重要意义，也为更深层次的疾病研究奠定理论基础.目前，针对关键蛋白质的识别方法大多为应用基因表达信息和蛋白质相互作用网络，提出识别关键蛋白质的静态和动态网络方法，但这些方法未考虑基因表达调控的周期性规律，无法准确地刻画受基因周期调控的蛋白质网络.为此，在基因表达动态性的基础上引入了基因周期性表达的概念，提出了一种动态网络切分方法.该方法通过构建基因“活性”表达矩阵,利用切分后的“活性”表达矩阵作用于蛋白质相互作用网络，从而形成蛋白质周期子网络

相比已有算法，结果准确率分别提升了18.8% 和17.7%.2) 算法估计.由于时间片调度过程中部分硬件事件未被记录，因此需要使用估计算法通过已记录的事件数据，估算出未被记录的事件数据.目前已有算法都是使用插值法对该事件未被记录的时间片进行估算填充.以PAPI默认的MPX估计算法[9]为例，该算法使用最近一次记录的事件数值进行插值填充，以补全未记录事件数的时间片.如图1所示，在事件A未被调度的时间片内，若事件A的实际发生率小于默认算法的估计值，则事件A的估计值会明显高于实际值；

摘 要 混合关键系统是将不同关键层次的应用或组件集成到同一个共享平台.由于受尺寸、重量与体积的限制，能耗对于混合关键系统而言尤其重要.能耗感知调度算法是解决混合关键系统能耗问题的关键，现有的能耗感知算法主要基于动态优先级策略且空闲时间利用率低.针对固定优先级混合关键系统偶发任务能耗感知问题，提出节能效果更好的固定优先级混合关键调度(fixed priority mixed criticality schedule, FPMCS)算法.首先，提出关键层次单调速率策略(criticality rate mono

异常流量检测领域的开源数据集多数是提供每个样本的特征属性，这些特征是经过人工筛选或统计计算得到，如KDD99和NSL-KDD提供了41个流量特征.本文所提方法不采用人工提取的特征，而是使用原始流量信息，但是木马流量分类中可用原始流量的开源数据集较少，本文使用USTC-TFC 2016[12]数据集作为输入.该数据集的文件格式为pcap，大小为3.71 GB，数据集中流量采集服务器的ip和mac已用随机地址代替.

云存储数据完整性验证是指CSS能够证明它正确存储用户的数据，用户数据被保存完整的一种机制.验证机制一般包括5个算法，分别是密钥产生、标签生成、挑战请求、证据生成、证据验证.支持动态验证的方案还包括执行更新、更新验证2个算法.1) 密钥生成.DO运行概率性算法生成公钥和私钥，对外公布公钥信息.2) 标签生成.DO对数据文件进行分块，计算每个数据块对应的标签作为认证的元数据.然后，将原始文件和所有数据块构成的标签集合上传至CSS.最后，删除本地文件及标签集合.

摘 要 提出了一种新的基于Shamir秘密共享方案的文件图像篡改检测和修复方法，该方法包含篡改保护生成和篡改检测修复2个过程.在篡改保护生成过程中，为了提高已有文件图像篡改检测和修复方法的篡改检测正确率和修复效果，首先提出了基于权重的篡改检测信号生成方法，对每个非重叠2×3图像块提取图像块特征，再利用Shamir秘密共享方案将块特征和块内容序列值生成用于块篡改检测和修复的共享信息，最后将块共享信息构成的α通道与原始图像组成可移植网络图形格式(portable network graphic format,

摘 要 安卓移动应用兼容性故障是指应用程序在不同的环境或内部状态发生变化时，实际结果与预期结果不相符合而导致的一类软件缺陷.安卓平台的高度开源的特性，使得安卓平台下移动应用的兼容性故障频繁发生.这类软件故障在最严重的时候，甚至可以导致程序崩溃，程序崩溃一方面会影响到用户体验，另一方面因其突发性也会对用户带来难以估量的损失.因不同设备型号和安卓操作系统版本所组成的大量组合，使得开发人员无法对其应用程序进行充分的测试.在安卓生态系统碎片化异常严重的开发背景下，如何有效地应对兼容性问题成为当前软件质量保障领域的一

首先介绍本文方法的整体结构，如图4所示主要包括候选修复实例搜索、引入错误变更搜索、同类修复实例识别和修复模板提取、补丁推荐4个部分.图4 利用引入错误变更信息的驱动移植接口补丁推荐本文的方法输入包括旧版本驱动程序源码(待移植驱动程序)、新旧版本内核源码(新版本内核为前向移植的目标内核版本)、新旧版本内核之间的开发历史仓库(git repository)；

摘 要 自动驾驶汽车是人工智能与车联网相结合的产物.近年来，因自动驾驶汽车能极大地解放双手、提高交通效率和安全使其得到了工业界和学术界的广泛关注.然而，指令消息及车辆身份的隐私泄露问题严重阻碍了自动驾驶汽车的应用落地.解决该问题的最直接的方法是扩展使用车联网中基于假名的通信方案.但是，大多数此类方案不仅对车辆造成了较大的存储负担，也无法完全保护车辆身份隐私不被泄露.为此，提出了一个面向自动驾驶的高效可追踪的车联网匿名通信方案.在该方案中，车辆由一个多辆车共享的属性集合表示.由于属性集与车辆之间的一对多的关系

摘 要 延迟容忍网络(delay tolerant network, DTN)中，由于网络拓扑频繁变化，端到端之间不存在稳定的链路，如何选择合适的中继节点进行消息转发，使消息在较短时间内交付到目标节点是DTN中研究的关键问题之一.针对现有路由算法中继节点选择的盲目性以及对消息副本的分发缺乏合理控制的问题，提出一种基于节点综合性能的自适应喷射等待路由算法(adaptive spray and wait routing algorithm based on comprehensive performance o

摘 要 机会网络(opportunistic network)是一种利用节点移动的相遇机会实现通信的自组织网络,机会式的通信方式导致其具有时变性与动态性,节点重要度的评估是研究机会网络信息传播的关键.提出一种基于图神经网络的机会网络节点重要度评估方法.将机会网络进行时间切片,对得到的机会网络单元采用聚合图建模,以表征网络信息；采用动态网络嵌入模型提取机会网络单元间的时序变化信息、拓扑结构信息,得到网络的动态属性特征；

摘 要 在诸多物联网实际应用中，原始采集信号数据多含有大量噪声，特别是在运动相关场景里.需从含大量噪声的一维时序信号中对有效信号活动区域起止点进行准确识别，以支持相关分析.已有的基于双阈值规则的识别方法对噪声十分敏感，噪声的存在会导致计算出的识别阈值无法匹配非噪声段的原始数据，从而导致将随机噪声数据识别为信号活动区间或者漏检信号活动区间.基于机器学习和深度学习的识别方法需要大量的样本数据，在样本量较小的物联网场景中模型会产生欠拟合问题，从而降低识别精度.为了对含有大量噪声且数据量少的一维时序信号中的信号活动

本文首先分析了感知器网络中的用户和任务之间的关联关系，构建任务和用户之间的模型，形成用户和感知任务之间的3种关注度：同一用户胜任多种任务、多个用户完成同一任务和用户间互关注.其次，讨论感知任务时间对感知任务的影响，对任务执行过程分为起始监督、执行过程监督和完成监督，实现感知任务时间对任务执行过程进行监督.最后利用所提用户关注度与时间监督算法对感知任务进行分发.

关键词 抖音；共同关系；隐私泄露；安全漏洞；用户关系。

摘　要：“互联网+政务服务”是政府主动适应数字经济的治理创新，是全面落实放管服改革的抓手。为探究“互联网+政务服务”如何从提升政府治理效能，向外拓展到促进数字经济健康有序发展，从放管服理论出发研究“互联网+政务服务”对数字经济的影响，并引入政府数据开放、营商环境及信息基础设施作为中介变量，以中国内地31个省级行政区为研究对象展开实证分析。研究发现：“互联网+政务服务”显著促进数字经济发展，且政府数据开放、营商环境及信息基础设施在其中具有完全中介作用。因此，制定数字经济发展策略时，要重视利用“互联网+政务服务

摘　要：公共管理敏捷革命并非效率革命，而是治理数字化转型阶段政府治理能级升维。敏捷治理以在敏捷性中捍卫可治理性为使命。依据可治理性寻求之进路（制度或技术）与机理（确定性或灵活性），可将敏捷治理实践划分为“制度创新-确定性寻求型”“制度创新-灵活性寻求型”“技术赋能-确定性寻求型”以及“技术赋能-灵活性寻求型”等四种类型。基于交叉案例研究发现，作为系统工程，公共管理敏捷革命是全要素、全周期、全方位敏捷的产物，强调以贯通政府敏捷与社会敏捷为方法。理想形态的城市敏捷治理体系构建需以平台化运作为基础，有机黏合并支撑

此外，针对多要素灵活切片的指标需求，构建时空要素约束的天地融合网络端到端切片策略。针对同时运行多类切片的业务需求，将每种切片的业务设计构建成相应的切片智能体并作为资源编排器，采用上文所述的基于智能体联动的“单类型切片隔离、多切片间资源协同”分配优化策略，在资源适配过程中按照切片模型服务SLA和资源系统容量等约束条件，将各类切片的业务功能链配置在资源池图节点和链路中，采用“单智能体独立、多智能体协同”的两级深度优化学习方法在线动态编排资源，保证独立切片的性能隔离，使各类切片性能的调整互不影响。

摘 要分析了互联网骨干网省际节点裂变对 OTN 干线传送网业务需求的影响，着重从网络结构、新技术应用方面研究相应的组网方案及策略，提出OTN干线传送网结构扁平化、MESH 化及网络融合的趋势，并分析了光缆出局路由优化方案和OTN网络割接方案。 引 言 互联网骨干网（Internet Backbone）业务电路作为通信运营商干线传送网的最大承载需求，其业务带宽约占干线传送网总带宽的80%以上，其网络结构和业务需求变化将直接影响干线传送网的组网方案和电路配置。互联网骨干网省际节点作为上联全国骨干网

有别于传统的2G、3G基站和小区告警只能按照基站定位，无法实现拉远小区精准定位的情况，故障中心在处理5G告警时对AAU告警进行了独立类型处理，并实现了小区告警关联AAU定位信息的处理，将小区告警定位为AAU所在位置，实现了拉远小区故障处理的精准定位。在这种趋势下，面向业务和客户的故障和问题的处理，需要多个专业的协调分析和作业，运维人员在处理和解决与业务和网络相关的故障和问题时，需要在多个大小系统间频繁切换操作，严重影响了故障定位与处理的效率，同时，也无法很好地支撑当前集约化运维转型工作。

雾化喷射式液冷是目前学术研究的重要方向，相比于现有的液冷技术，雾化喷射液冷是更为高效的CPU散热技术，但目前仍处于研究阶段，尚未有成品应用，其原理是通过雾化喷管借助高压气体（气助喷射）或依赖液体本身的压力（压力喷射）使液体雾化，将其强制喷射到发热物体表面，从而实现对物体的有效冷却。此外，在数据中心应用液冷技术时，应充分考虑设备的散热功率和成本投资等因素，或者结合现有数据中心的制冷空调方式，选择适合的液冷应用（如冷板式、浸没式、喷淋式等）及“风液配比”，以提高或满足数据中心最大化的节能效益。

摘 要作为未来新一代信息基础设施，6G网络自身的绿色低碳发展对于通信行业“双碳”战略实施至关重要。为了从根本上提升6G网络能效水平，分析了6G网络节能的需求与挑战，构建了6G网络节能技术体系，重点探讨了6G网络绿色内生及高能效运行的使能技术。 0 1 概 述5G主要面向增强型移动宽带（eMBB）、大规模机器类型通信（mMTC）和超可靠低延迟通信（uRLLC）三大典型应用场景。随着远程全息、触觉通信、超能交通、全域应急通信、数字孪生、智慧生产等各类新应用的涌现，用户对覆盖、数据传输速率、端到端

锌溴液流电池本身存在电压急剧变化的拐点以及电解液的不规则流动，使得锌溴液流电池荷电状态（State of Charge，SOC）参数模型具有很强的非线性，具体表现为存在大量对SOC辨识产生影响的扰动参数，特别是放电后期电压拐点导致采样失真，使得开路电压与安时积分等常规方法难以被直接应用，而SOC又是影响ZBFB优化控制的基础参数。PCA的优势在于冗杂数据的降维与特征提取，可以通过特征重构确保电压拐点处的电压与电流采样精度，因此可满足ZBFB电压拐点处SOC辨识与校正的工程需求，也是本文研究的重点与出发点。

在本研究中，选取冷热通道的温度和各台IT设备的负载作为状态量，即：S={Tc，Tℎ，HIT}，其中Tc为冷通道各温度传感器数值组成的温度向量，Tℎ为热通道各温度传感器数值组成的温度向量，HIT为机房内各机柜IT设备负载组成的向量。考虑到本项目的节能性和安全性两大指标，可以合理设计奖励函数为：R=λRP+RT，其中，RP为空调系统运行功耗对应的收益，也即对空调制冷能耗的惩罚，RT为服务器IT设备出风口温度对应的收益，也即对服务器温度越过冷热安全边界的惩罚。因此，在实施节能优化时，需要综合考虑多种复杂因素。

2021年11月以来，国资委、发改委、工信部等部委陆续印发《贯彻落实碳达峰、碳中和目标要求推动数据中心和5G等新型基础设施绿色高质量发展实施方案》《“十四五”信息通信行业发展规划》《信息通信行业绿色低碳发展行动计划（2022—2025年）》等文件，对行业绿色低碳高质量发展提出了明确的要求。积极购买绿电，为数据中心绿色供能。综合分析信息通信网络的发展现状、趋势、外部挑战等因素，同时面向无线网、数据中心两大场景进行能耗和碳排放的量化测算，研究行业的碳达峰时间、峰值，并提出了行业的碳达峰、碳中和路径建议。

本文从输入图像隐空间特征的求取和操控方法的角度出发，将现有人脸年龄编辑方法分为了三大类，即基于图像域间映射的方法、基于年龄特征分解的方法以及基于隐空间插值的方法。然而，现有的人脸年龄编辑方法通常将不同年龄之间的图像转换视作独立的映射，没有考虑其间的相互关系，因此有可能在生成一个人在不同年龄的图像时会出现年龄特征不连续或者不合理的情况。本节对人脸年龄编辑研究中常用的定量评价指标进行介绍，主要衡量了输出图像的真实性，年龄变化的准确性，以及与年龄无关的语义信息的一致性。

在数据存储管理方面，基于科学数据中心数据标准化存储的要求，采取仓储型科学数据软件栈的建设模式，为科学数据中心提供安全、便捷的科学数据协同管理服务，通过分布式文件系统和数据库技术实现大规模数据存储服务，支撑科学数据中心、科研人员和科研项目团队进行日常科学数据的在线管理。）交互式分析实验工作流：基于分析组件库，研究人员可以自行构建多步骤的分析实验，在每个步骤内可以尝试调用不同的分析组件或者调整同一分析组件的某些参数来对数据产品进行分析，并得到对应的分析结果，最终形成独立完整的实验工作流。

本文以草地地上生物量数据为案例，通过使用跨中心工作流分析框架进行草地地上生物量数据的在线处理与质量控制融合分析，可以用自动化的手段分析处理草地地上生物量数据，有效地揭示草地不同物种随时间的变化规律，及时检测草地生物的异常变化，为草地生态系统的演变研究、合理利用和保护提供助力。草地地上生物量数据的在线处理与质量控制融合分析的场景，涉及到国家生态科学数据中心、内蒙古台站、海北站三个节点的跨中心协同分析，为提升跨数据中心的协同分析效率，本文通过启发式策略，实现了该场景跨数据中心协同任务的高效编排与执行。

本文针对结构化科学数据自动化语义发布、长文本科学数据标准化语义发布、科学数据语义关联融合与服务三个技术难点分别进行突破，实现多源异构数据资源的语义关联与融合发布，探究数据内容层面的语义检索，为科研人员提供数据发现、访问、关联、融合服务。与植物学科科学数据中心联合，以物种拉丁文名为核心，结合植物领域国际主流的数据规范，打通植物领域的多源异构数据，形成领域数据深度融合的集成与发现服务，最终建成植物领域数据的关联数据网络，以期为特定问题和研究提供相应的知识发现服务。二是不支持语义扩展，不支持推理，转化效率较低。

为掌握生物医学信息学发展现状，了解研究领域与最新进展动态，明晰学科未来发展路径与重点，本文主要梳理了生物医学信息学理论体系、学科发展与最新进展，深入分析生物医学信息学的机遇与挑战，展望未来发展路径，以期为我国生物医学信息学学科完善与发展提供借鉴与参考。）是计算机科学与生命科学和医学的综合性交叉学科，是研究和探讨分子生物学、临床医学和健康数据采集、处理、储存、分发、分析、解释和可视化等在内的内容可拓展性、数据密集型学科，综合运用了生物学、医学、计算机科学、信息学等多种理论与技术。

模型利用双向长短时记忆网络学习用户的行为序列，结合多头注意力机制识别序列中的关键信息，降低行为序列中的噪声对推荐结果的影响，生成用户偏好向量与候选集中科学数据计算推荐预测评分，并融合地球科学数据特征属性关联度对推荐结果进行综合排序，将预测分数较高的科学数据作为推荐结果。在基于深度学习的推荐中，模型的输入通常为用户、项目相关的数据以及各类辅助数据，然后利用深度学习模型学习用户的特征表示和项目的特征表示，在输出层利用内积、相似度计算等技术对用户和项目的特征表示进行计算并生成推荐结果。

森林站层次上，需要做到：按照观测规范开展数据调查，保证样地代码、二级样方号、树号的唯一性及年际之间的一致性，保证观测过程遵从观测技术规范，最大程度保证每木胸径、树高实测数据准确性，选取的异速生长方程的拟合优度和准确度满足使用需求，分器官生物量计算准确。年建立了规范化的数据记录表，研制了每木调查数据的质量控制和处理方法，然而尚缺少精细化的标准规范，批量重复工作仍需较多的人工处理与干预，未形成流程明晰的自动化业务流程，导致森林站。数据质控业务工作流。森林站建立、收集、选取合理的异速生长模型，以便计算生物量。

采用的是目标风险策略，根据特定的风险偏好设定权益类资产、非权益类资产的恒定配置比例，或使用广泛认可的方法定义组合风险（如波动率），并采取有效措施控制基金组合风险，使投资者资产的风险时刻维持在偏好的风险水平上，避免不必要的损失，提供更加灵活的投资选择。此外，投资者的总资产构成，除了金融资本和人力资本外，一般还包括住房资产。养老目标基金模型中，不同的状态代表不同的投资年份，行为即为养老目标基金在投资年份对资产的投资管理，奖励代表当年投资收益，状态价值函数衡量了个体在当前策略下，未来所获得的奖励的期望。

运维人员可根据应用需求编制个性化脚本、模块设置告警规则，自行定义检测指标、检测方式、执行节点、触发阈值、执行周期、告警级别、告警通知等参数，在系统的统一管理下自动运行、回收与展示结果，以满足不同业务、不同场景的监控需求，如图。）自定义采集：针对预置采集项之外的批量化监控需求，如：特殊硬件的监测指标、不能安装采集代理的网络和存储设备、具体应用服务的运行状态，以及系统管理员关注的个性化状态信息等，采用自定义脚本的方式实施采集。该系统支持监控指标自定义、数据主动上发、自动告警等功能，具有良好的横向扩展能力。

技术应用于铁路的安全教育培训时，应发挥出其体验式教育上独有的优势，对铁路安全防护、铁路交通事故应急处理、铁路交通事故救援、铁路安全监控等重点内容开展形象、直观的体验教学，实现日常作业主要内容要点的全覆盖，提高培训力度和观摩学习效率，学习正规的作业规范，强化安全关键风险控制，促进人员熟悉突发事件处理程序，增强员工安全责任意识，培养遵守管理标准与作业标准的良好习惯，为铁路职工相关教育领域提供一种全新的指导教育模式，从而加快教育效率，提高职工学习积极性，大幅降低工作风险。基于游戏的主动安全学习用以提高实践能力。

积极情绪词库包含卫生、健康、清洁、干净、合格、欣喜、开心、喜悦、快慰、尽情、快乐、愉快、高兴、积极等词语。为更有针对性地研究企业网络舆情，本文将感染者细分为积极的感染者、中性的感染者和消极的感染者等三类感染者，有利于针对引起负面影响的消极感染者制定精准化的监管措施，提高监管成效。不同类型的网帖对应相应的情感感染者。传染病模型中的感染者细分为积极的感染者、中性的感染者和消极的感染者等三类感染者，设计三个不同干预力度的监控措施，提升精准化监管成效，对企业网络舆情监控和预测具有较高的理论创新价值和实践意义。

另一方面，基于分类分级，以相关法律法规、标准规范为依据，获得最终的数据安全级别，并基于此设计由静态授权策略、数据安全级别的动态控制策略、动态授权策略和数据脱敏策略构成的大数据安全防控模型，满足数据工程在治理、组织、服务和应用过程中的需求，确保数据的安全性。从数据的主题对象来看，包括人、地、事、物、组织等；数据从产生到投入应用，必然经过清洗、提取、模型分析、统计等加工流程，数据的价值密度会逐级提升，并基于数据之间的关系，衍生出增值数据，这意味着不同组织形式的数据具备不同的特性。的原则，主观因素层面较少。

针对这一问题,本文提出了一种混合推荐模型DAAI（Denoising Autoencoder with Attribute Information）,采用降噪自编码器提取评分矩阵中的深层次非线性特征,在此基础上,使用DNN、CNN等方式提取属性信息中隐藏的特征,最后通过多层感知机融合多种特征得到最终的预测评分。用两个矩阵相乘得到的结果对原始的评分矩阵进行补全从而得到用户未评分区域的预测的评分。传统的协同过滤推荐模型无法提取到用户与项目之间复杂的交互关系,这对于最终的推荐结果会造成一定的不良影响。

本文设计并实现了一个基于GPU的稀疏对称矩阵的LDLT分解,它采用Cholesky的符号分解和右视分解算法、稀疏矩阵依赖图的层次划分,以及CUDA的动态并行核调度技术,算法的所有三层循环都并行化,从而获得更高的并行度。然而在GPU上实现LDLT分解存在困难,因为分解过程中存在数据依赖和不规则的数据访问。实验结果表明,针对稀疏对称矩阵的一个典型的测试集,在GPU上实现的LDLT分解相对于UMFPACK最高加速46.2倍。且位于上面的节点所代表的列依赖下面节点所代表的列。最后才能分解它自己所代表的列。

在数据准备环节，通过SQL脚本获得脚本和表之间的关系以及表和表之间的关系，通过调度监控台中作业链相关信息，建立作业和脚本，作业链和作业，父子作业等关系。根据已定义的实体和关系，梳理如下信息：表基础信息、脚本基础信息、作业基础信息、作业链基础信息、应用系统基础信息、节点基础信息、主机基础信息、表与表依赖关系、表输入脚本关系、脚本输出表关系、作业执行脚本关系、作业链包含作业关系、作业与节点存储关系、作业与主机运行关系、作业之间父子关系、作业链之间父子关系以及作业链与系统所属关系。