三网融合中的安全风险及防范技术研究

文章分析了三网融合中可能出现的网络和内容安全的隐患,提出了通过认证机制、防护机制、监控机制及信任机制等技术来应对。同时,文章还深入分析了三网融合下信息安全监管问题,提出继续加强融合法律法规建设,适时成立统一融合监管机构,建立融合统一监管标准体系,以及全面纳入信息安全保障体系等一系列三网融合信息安全监管的建议。     

三网融合下网络攻防分析

文章首先综述三网融合引起的各种安全问题,其次分析了三网融合给网络信息监管带来的影响,最终提出面向三网融合的网络监管应对策略与方案.     

网络视听节目内容监管的探析

三网融合被重新列入重要议事日程,为中国新媒体发展带来重大机遇。中共中央、国务院高度重视三网融合推进工作,将其作为重要任务纳入国家发展战略。视听节目传播是当前三网融合的核心议题之一。三网融舍下,视听节目内容监管面临体制机制等多重挑战。本文提出放宽准入、改革体制、加强监督等三网融合下视听节目监管的思路和具体对策,对其他互联网领域的治理,亦有借鉴意义。     

四力演绎三网融合

国内外三网融合的实践进程表明,三网融合是一项涉及用户、运营商、新兴网络技术、政府等多方面复杂利益关系的系统工程。由于用户、运营商、新兴网络技术、政府等因素在三网融合进程中的地位、权利、责任、利益、风险等各不相同,因而它们各自对三网融合发挥着不同的作用——大致上可以分为如下几种力量：用户及其需求的牵引力、新兴网络技术及智能终端的推动力、运营商及其业务竟合的响应力和政府及其监管的导控力。总体而言,三网融合的进程快慢、范围大小、深度高低、效果好坏等都是由用户、新兴网络技术及智能终端、运营商、政府监管这几种主要角色及其力量在三网融合这一大舞台上相互角力演绎的结果。     

三网融合对网络安全监管工作的影响研究

文章在分析三网融合的内涵和外延基础上,从技术和管理两个维度探讨了三网融合对网络安全监管工作的影响,并提出了加速实现全警触网、重视网络社会组织动员能力和研发视频内容监控技术等对策建议。     

以“三网融合”之名

回顾时间表,2008年到2009年三网融合一直处于初步落实阶段;2010年开始,三网融合正式提出试点,并逐渐拥有市场和用户。随着时间不断推进,越来越多种类的机顶盒层出不穷;产业链中不同角色（平台监管、运营商、以及广电等部门）为适应市场纷纷转型。今天,似乎已经到了有必要走近三网融合世界的时机,以融合之名,探究其价值、问题、趋势。     

三网融合下的信息系统等级保护划分标准研究

文章指出了用等级保护制度来保障三网融合的信息系统安全十分必要,分析了三网融合下的等级保护划分标准的特殊性:包括综合多媒体通信系统出现、系统等级变化快、缺乏统一监管等.提出在尊重传统等级保护划分标准的前提下,充分考虑划分标准的特殊性.     

一种三网融合下的网络社会信息安全保障策略

随着三网融合的推进,网络社会监管遇到的信息安全问题会大大增加。本文分析了三网融合环境下网络社会信息安全面临的问题,并针对这些问题提出了一种网络社会一体化信息安全保障策略。     

三网融合安全形势研究

文章归纳了计算机网络、有线电视网和电信网在三网分离环境下存在的信息安全问题和现有的安全防护技术,进一步分析三网融合后存在的安全问题,并针对不同的安全问题,从等级保护、边界防护、人为监管三个方面提出了解决思路。     

三网融合背景下信息安全问题与保障体系研究

目前,我国已经正式启动了三网融合工程,这意味着网络和信息安全＂广域时代＂的到来。网络开放性带来终端的安全隐患、内容监管难度的加大等信息安全问题,我们该如何应对已成为亟需研究的内容。文章分析了三网融合下所面临的信息安全问题,提出了成立统一的网络信息安全管理机构、健全网络信息安全法律法规体系、实行分级分层分域的保护机制和加大自主知识产权开发力度等安全对策。     

面向数字孪生流域的云网融合架构研究

数字孪生流域建设是智慧水利建设的重要标志,是推动流域水利高质量发展的必然要求。为了应对当前数字孪生流域建设过程中面临的流域物联感知能力、通信传输网络资源、模型算法仿真计算水平等方面的不足而产生的挑战,本文结合云网融合的云网协同、按需互联、敏捷智能的服务能力特性,基于云网融合层次化的设计思想,把流域云和网充分融合,有效调度并应用计算、通信、存储等基础设施资源,提出了面向数字孪生流域的云网融合逻辑架构,梳理并阐述了水利感知网云网融合服务实现、水利信息网云网融合服务实现、数字孪生平台算力服务实现等可应用于数字孪生流域建设的云网融合服务架构,总结分析了面向数字孪生流域的云网融合关键技术。研究对充分发挥新一代信息技术对数字孪生流域建设的支撑驱动作用具有重要参考意义。     

自校正对角阵加权信息融合Kalman预报器

For the multisensor systems with unknown noise statistics, using the modern time series analysis method, based on on-line identification of the moving average (MA) innovation models, and based on the solution of the matrix equations for correlation function, estimators of the noise variances are obtained, and under the linear minimum variance optimal information fusion criterion weighted by diagonal matrices, a self-tuning information fusion Kalman predictor is presented, which realizes the self-tuning decoupled fusion Kalman predictors for the state components. Based on the dynamic error system, a new convergence analysis method is presented for self-tuning fuser. A new concept of convergence in a realization is presented, which is weaker than the convergence with probability one. It is strictly proved that if the parameter estimation of the MA innovation models is consistent, then the self-tuning fusion Kalman predictor will converge to the optimal fusion Kalman predictor in a realization, or with probability one, so that it has asymptotic optimality. It can reduce the computational burden, and is suitable for real time applications. A simulation example for a target tracking system shows its effectiveness.     

按对角阵加权自校正信息融合Kalman预报器及其收敛性分析

对于带未知噪声统计的多传感器系统，应用现代时间序列分析方法，基于滑动平均(MA)新息模型的在线辨识和相关函数矩阵方程的解，得到了噪声方差估值器，且在按对角阵加权线性最小方差最优信息融合准则下，提出了自校正信息融合Kalman预报器.它实现了状态分量的自校正解耦融合Kalman预报器.基于动态误差系统，提出了自校正融合器的一种新的收敛性分析方法.提出了按实现收敛新概念，它比以概率1收敛弱.严格证明了:假如MA新息模型参数估计是一致的，则自校正融合Kalman预报器将按实现或按概率1收敛到最优融合Kalman预报器，因而它具有渐近最优性.它可减小计算负担，且便于实时应用. 一个3传感器跟踪系统的仿真例子证明了其有效性.     

基于双子代差分演化和自适应分块机制的多聚焦图像融合算法

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。     

Ant colony algorithm with Stackelberg game and multi-strategy fusion

Aiming at the disadvantages of the ant colony algorithm, such as slow convergence speed and easy to fall into local optimum, this paper proposes an ant colony algorithm with Stackelberg game and multi-strategy fusion. Firstly, Stackelberg game is established between ant colonies, and the population with the excellent performance is taken as the leader to increase the influence of excellent ant colony. Secondly, a multi-strategy fusion system is proposed, which is composed of three strategies: One is the pheromone fusion strategy, which selects the population whose entropy is less than the threshold value and the population with the highest similarity for pheromone fusion to increase the diversity of the algorithm. The second is the elite ant learning strategy, which speeds up the convergence rate by learning the elite ants of the elite population; The third is the pheromone recombination strategy, which helps the algorithm jump out of the local optimum. The simulation experiments of multiple cases in TSPLIB show that the improved algorithm balances diversity and the convergence speed, and effectively improves the quality of the solution.

     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

一种群体智能融合算法及其在应急设施选址的应用

针对粒子群优化算法早熟及细菌觅食算法收敛慢的问题,提出了将量子粒子群优化与细菌觅食算法融合的一种群体智能融合算法。该算法将细菌觅食、量子计算理论及粒子群优化的优点进行融合,以细菌觅食算法为主体,将量子进化算法及粒子群优化算法嵌入其中,从而极大地提高了算法的性能。通过对三个标准函数求解和验证,结果表明该算法提高了收敛精度及速度。最后用该算法求解公共卫生应急服务设施点选址问题,取得了较好的效果,说明了该算法的有效性。     

Nesterov加速梯度无人机姿态融合算法

传统的无人机梯度下降姿态融合算法的步长难以确定,收敛较慢,动态性能较差,并且对于非重力加速度敏感．针对上述不足,提出了一种Nesterov加速梯度姿态融合方法,融合加速度计与陀螺仪数据并对非重力加速度作抑制处理;利用Pixhawk开源飞控实验平台进行多组对比试验．实验结果表明,Nesterov加速梯度姿态融合算法在机体静止时误差在0.05°之内,在水平滑动实验中产生的误差在0.5°之内,在绕轴转动实验中角度跟随性好、无明显滞后,在实际飞行实验中也获得了良好的实验结果．因此,Nesterov加速梯度姿态融合算法收敛速度明显优于普通梯度下降姿态解算法,抑制非重力加速度的能力明显优于互补滤波与梯度下降法,可有效跟踪无人机的真实姿态变化．     

多假设最大联合概率决策融合准则的自适应算法

为获得多假设最大联合概率决策融合准则的多假设自适应算法,通过对原算法中各权重系数求偏微分,结合简单计数方法,给出了自适应决策融合中的各个系数增量表达式,并进行了收敛性证明.该算法在系统参数未知及参数发生改变的情况下,均能进行决策融合.针对两假设自适应决策融合问题,将该算法与Mansouri的算法进行了比较.最后在多假设情况下对该算法进行了应用,并给出了提高收敛速度的方法.