一种可扩展的网格安全体系结构

网格安全是网格计算中的一个关键问题,分析了网格中存在的安全问题,以及网格对安全的需求,通过对网格安全元素的形式化抽象,提出了一种可扩展的网格安全体系结构,并简要分析了该体系结构的一些性质。     

马氏体时效钢逆转奥氏体再结晶的显微组织特征

本文研究了Fe-Ni15-Mo6-Cu4-Ti1和18Ni(250)两种Fe-Ni基马氏体时效钢高温逆转奥氏体再结晶前后形成的马氏体组织形态特征。奥氏体经再结晶后形成的马氏体呈长方块状,而未经再结晶形成的马氏体呈细密条束状。按照这种组织形态特征和尺寸大小,确定再结晶处理温度,是简单而有效的。     

防冻控温用自控温加热电缆

自控温加热电缆是一种在辐照交联电线电缆生产线上开发的新型防冻保温用种种电缆。这种电缆可在沿其长度方向分布的任意一点进行自动调温，对环境温度的变化做出快速、准确的响应。其温敏加热元件由具有正温度系数（ＰＴＣ）的导电聚合物材料和两条平行延伸的金属导电母线组成。叙述了该电缆目前在国内外的应用、发展情况，并对工作原理、工作曲线、阻温特性和结构组成等进行了描述。     

USB在FPGA控制的高速数据采集系统中的应用

介绍了USB控制器CY7C68013的特性以及它在200M高速数据采集系统中的具体应用。该系统用来采集及处理激光雷达的回波信号，采用Xilinx公司的现场可编程门阵列（FPGA）为控制芯片，用Verilog语言自上而下进行FPGA设计以实现硬件控制功能，以USB为接口实现FPGA与PC机之间的高速数据传输。文中对USB模块进行了分析，详细介绍了PC端的固件设计、USB设备驱动程序设计以及应用程序设计．在信号的采集试验中USB能够快速可靠的传输数据，体现出较好的实用价值。     

SPINS安全框架协议研究

无线传感器网络（WSN）是一种新形式的网络，与传统的有线网络和一般的无线网络有较大的差异。论文在阐述了无线传感器网络（wSN）及其安全问题的同时，重点讨论了依赖基站的安全框架协议——SPINS并对其一些缺陷提出了一些改进方法，最后对SPINS协议具体实现时所需的研究问题进行了展望。     

中文垃圾邮件的索引分词法的研究与设计

为了提高中文垃圾邮件预处理阶段的性能，加快查找分词的速度，基于哈希函数的算法思想创造性的构造了索引词典，设计了一种针对中文垃圾邮件的中文索引分词方法。通过实验，表明该方法提高了传统机械分词法的效率和准确率，改善了邮件预处理阶段的性能，并且可以广泛地应用于中文分词领域。     

润滑油品质劣化对大机组轴瓦的影响及处理

润滑油品质劣化引起汽轮机及压缩机轴瓦腐蚀及漆膜形成。针对原料气压缩机组出现的轴瓦腐蚀及瓦块结焦油泥情况,进行原因查找,通过对润滑油进行非常规化验,增加润滑油旋转氧弹值、泡沫特性、漆膜倾向性、抗氧剂等指标,发现润滑油品质已劣化,对不合格指标进行分析,确认了机组轴瓦腐蚀及润滑油漆膜形成的原因。润滑油泡沫特性指标恶化导致了轴瓦的气蚀,润滑油抗氧剂耗尽及漆膜倾向性指标恶化导致润滑油油泥产生及轴瓦结焦。润滑油不能无限期使用,在使用一定期限后,需进行非常规化验,当润滑油质劣化时应进行更换。     

玉米淀粉在木材胶粘剂中的应用

通过对玉米淀粉进行适当的处理,可以以其为主要原料生产木材用无臭胶粘剂;在脲醛树脂调胶或合成过程中加入玉米淀粉,可以有效地改善脲醛树脂胶粘剂的综合性能,使其具有更好的预压性能和胶合性能;玉米淀粉可以加快聚醋酸乙烯酯乳液的固化速度;用玉米淀粉对API进行改性,能生产出适合胶合板等生产的低成本API胶粘剂。     

多滑脱构造分析及深层背斜判识

基于滑脱褶皱正演模型的分析,提出在时间域地震剖面中开展多滑脱构造分析和深层背斜真实性判识的方法,主要包括利用均匀速度场对时间偏移地震剖面进行时深转换、对获得的伪深度域剖面进行构造解释和测量、利用测量的构造起伏面积和深度开展分段相关关系分析。基于构造起伏面积-深度相关关系可开展构造层划分、滑脱面和构造缩短量厘定以及深层构造真假判识。构造起伏面积-深度的分段性是多滑脱构造的典型特征,而面积-深度的线性不相关可指示地层未褶皱变形或存在假背斜构造。在不考虑面积-深度不确定性的情况下,分段的斜率可指示各滑脱构造层的差异缩短量;相邻分段的交点指示了滑脱面与参考面的间距,进而厘定原始时间域剖面中的滑脱面位置。该方法的提出有助于深入挖掘和利用时间域地震资料、明确复杂构造区的地质结构和评估深层勘探目标风险等,在准噶尔盆地南缘和川东褶皱带应用后效果较好。图14参30     

基于梯度选择的轻量化差分隐私保护联邦学习

为了应对机器学习过程中可能出现的用户隐私问题，联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案，已经受到人们的广泛关注与研究。然而，它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息，从而带来了新的隐私保护问题。与此同时，必须在用户本地进行完整训练的特点也使得联邦学习过程中的运算与通信开销问题成为一项挑战，亟需人们建立一种轻量化的联邦学习架构体系。出于进一步的隐私需求考虑，文中使用了带有差分隐私机制的联邦学习框架。另外，首次提出了基于Fisher信息矩阵的Dropout机制——FisherDropout,用于对联邦学习过程中在客户端训练产生梯度更新的每个维度进行优化选择，从而极大地节约运算成本、通信成本以及隐私预算，建立了一种兼具隐私性与轻量化优势的联邦学习框架。在真实世界数据集上的大量实验验证了该方案的有效性。实验结果表明，相比其他联邦学习框架，FisherDropout机制在最好的情况下可以节约76.8%～83.6%的通信开销以及23.0%～26.2%的运算开销，在差分隐私保护中隐私性与可用性的均衡方面同样具有突出优势。