红磷分公司计量管理及工作重点分析

介绍计量在现代企业管理中的作用及云天化国际红磷分公司计量管理的情况。对计量与质量管理体系、自动化仪表的关系进行了阐述,分析了目前计量管理中存在的几个问题,提出公司计量管理今后的工作重点。     

自动化仪表的技术特点及维护

对红磷分公司在线运行的自动化仪表进行了调查分析,并结合现代自动化仪表的技术特点与红磷分公司的实际情况,对仪表的选型/安装/维护、工艺专业对仪表的影响和促进作用以及如何做好自动化仪表维护等方面进行了探讨.针对各类仪表的实际情况,提出了对核心仪表、关键仪表采用以可靠性为中心的主动性维护,而对一般性仪表则采用事后维护的优化方式.这些方式在实践中取得了良好的维护效果.     

基于循环密文的格密码模板攻击方法

该文分析了格密码解封装过程存在的能量泄露，针对消息解码操作提出一种基于模板与密文循环特性的消息恢复方法，该方法采用汉明重量模型与归一化类间方差(NICV)方法对解码字节的中间更新状态构建模板，并利用密文循环特性构造特殊密文，结合算法运算过程中产生的能量泄露，实现了对格密码中秘密消息和共享密钥的恢复。该文以Saber算法及其变体为例对提出的攻击方法在ChipWhisperer平台上进行了验证，结果表明，该攻击方法可以成功还原封装阶段的秘密消息和共享密钥，在预处理阶段仅需900条能量迹即可完成对模板的构建，共需要32条能量迹完成秘密消息的恢复。在未增加信噪比(SNR)条件下，消息恢复成功率达到66.7%，而在合适信噪比条件下，消息恢复成功率达到98.43%。     

基于多维结构特征的硬件木马检测技术

硬件木马是第三方知识产权(IP)核的主要安全威胁,现有的安全性分析方法提取的特征过于单一,导致特征分布不够均衡,极易出现较高的误识别率。该文提出了基于有向图的门级网表抽象化建模算法,建立了门级网表的有向图模型,简化了电路分析流程;分析了硬件木马共性特征,基于有向图建立了涵盖扇入单元数、扇入触发器数、扇出触发器数、输入拓扑深度、输出拓扑深度、多路选择器和反相器数量等多维度硬件木马结构特征;提出了基于最近邻不平衡数据分类(SMOTEENN)算法的硬件木马特征扩展算法,有效解决了样本特征集较少的问题,利用支持向量机建立硬件木马检测模型并识别出硬件木马的特征。该文基于Trust_Hub硬件木马库开展方法验证实验,准确率高达97.02%,与现有文献相比真正类率(TPR)提高了13.80%,真负类率(TNR)和分类准确率(ACC)分别提高了0.92%和2.48%,在保证低假阳性率的基础上有效识别硬件木马。     

高准质量流量计实现液氨的精确计量

介绍了U形单管科氏力质量流量计的测量原理及特点。通过称重法与质量流量计的累积数据对比,验证了高准科里奥利流量计实现液氨的精确计量。     

准确计量蒸汽流量的案例剖析

考查蒸汽管网物料进出是否平衡,经数据分据,剖析了由标准喷嘴、温度补偿元件、3095MV变送器实现准确计量蒸汽流量的案例。     

基于塔域的通用循环移位掩码设计方法

该文分析了塔域的运算特性,提出了基于塔域分解的非线性变换实现方法,设计了求逆运算的随机掩码方案,利用循环移位对随机掩码进行移位变换,形成了基于塔域的循环移位随机掩码方案,实现了所有中间值的随机化隐藏,提高了算法的抗能量攻击能力。该文在高级加密标准(AES)算法上进行验证,利用T-test和相关性分析对掩码方案进行安全性评估。该掩码方案无明显信息泄露点,可有效抵抗相关性攻击,另外较现有文献的掩码方案,资源开销更小,通用性更好。     

改进型单级三冲量汽包水位控制系统应用研究

结合工程实例,分析了串级三冲量与单级三冲量控制系统原理和DCS组态实现,指出了串级三冲量控制系统在工况条件下PID参数整定存在的问题,提出了一种改进型单级三冲量控制系统。生产实践表明:该系统稳定可靠,PID参数整定更加简单快捷,操作方便且控制效果好。     

基于多信号特征融合的硬件木马识别技术

针对现有基于信号特征的硬件木马检测方法中存在木马特征集单一、检测精度低和普适性差等问题,提出一种基于多信号特征融合的硬件木马识别方法.通过分析硬件木马的隐藏性,建立触发节点植入与载荷节点植入的硬件木马隐藏性模型,构造低静态翻转率、低动态翻转率、低组合0可控性、低组合1可控性和低组合可观察性的硬件木马特征集,利用KNN算法建立硬件木马检测模型.实验结果表明,该方法达到了98.23％ 的木马信号平均识别率,与文献[3]和文献[15]相比,分别提高了16.30％ 和10.24％,大幅提升了木马检测能力.     

基于木马特征风险敏感的硬件木马检测方法

针对现有硬件木马检测方法中存在的木马检出率偏低问题，提出一种基于木马特征风险敏感的门级硬件木马检测方法。通过分析木马电路的结构特征和信号特征，构建11维硬件木马特征向量；提出了基于BorderlineSMOTE的硬件木马特征扩展算法，有效扩充了训练数据集中的木马样本信息；基于PSO智能寻优算法优化SVM模型参数，建立了木马特征风险敏感分类模型。该方法基于Trust-Hub木马库中的17个基准电路展开实验验证，其中16个基准电路的平均真阳率（TPR）达到100%，平均真阴率（TNR）高达99.04%，与现有的其他检测方法相比，大幅提升了硬件木马检出率。