“暴风门”后续看我亲手“为民除害”

简单的说“暴风门”是由于暴风影音造成的“多米诺骨牌”连锁反应,使网络出现了大范围的故障。此次事件中暴风影音虽然不是最直接的故障起因,但是其在此次事件的同样有不可推卸的责任。其实这次事件暴风影音中的罪魁祸首就是stormliv．exe,这个作为系统服务进程开启近乎“流氓”的进程。Stormliv具有升级、下载厂告及回传不可播文件等正常软件使用信息的功能,而我们知道作为升级程序是没必要随时联网的,这不但占用了带宽,而且还会影响到网络稳定（如此次事件）。而回传不可播文件本应是用户主动的行为是需要通过用户同意的。那矛头就直指下载广告这个“功能”了。     

分众模式的消亡——新浪并购之后的新媒体走向

一旦我们用一种新的形式来表达观点,旧的问题就会连同旧的语言外套一起被抛弃。—维特根斯坦《札记》2008年12月,新浪以近14亿美元的大手笔并购分众数字 媒体业务在业界引起广泛关注。大多数分析都认为,这是新浪在门户领域领先优势的进一步扩大;还有人说。这是广告业务新壁垒的诞生。然而在新浪巩固优势的背后,我却看到了分众模式的消亡。     

精彩视频快速截取

看YouTube中的视频短片,常想将其中最精华的部分发给好友分享,用这个名为Splicd的YouTube视频在线截取网站,-切就能轻松搞定。     

新型电力系统中信息网络攻击行为辨识方法

为提高新型电力系统信息网络的安全性和稳定性,需预防其中存在的攻击行为。为此,提出一种针对新型电力系统信息网络的攻击行为辨识方法。首先,分析攻击行为入侵信息网络的原理;其次,根据压缩感知理论对网络信息展开去噪处理;然后,利用去噪后的信息数据建立数据源矩阵及信息网络的样本协方差矩阵,并获取矩阵的最大特征值;最后,设定阈值函数,通过比较最大特征值与阈值函数来辨识新型电力系统信息网络中存在的攻击行为。实验结果表明该方法具有较高的辨识精度,能有效辨识出拒绝服务、端口扫描和协议异常三种攻击行为。     

基于深度学习的翻越行为检测

翻越行为检测对疫情管控、社会治安等有着重要意义,一定程度上可以减少因为违规翻越行为而造成的意外事故.针对目前翻越行为检测任务实时性差、需要先验知识的问题,本文将Faster RCNN+SlowFast时空行为检测算法应用在翻越行为检测任务中,将翻越行为进行拆分检测.为提高时空行为检测算法中目标的检测精度和速率将目标检测模块Faster RCNN改为实时性高且轻量化的YOLOv5;其次针对同一行为不同视角下广泛的类内多样性的问题,将Fast支路和Slow支路的residual block分别改为AC residual block和SE residual block来加强网络对关键特征与细粒度特征的学习能力,最后设计翻越行为检测算法进行攀爬与下降两种状态的连续性检测,实验结果显示该网络平均准确率达93.5%,在翻越行为检测中表现出良好的性能.     

考虑不确定性的结构性市场力评估方法

市场力评估是电力市场化改革的关键环节。随着大规模新能源接入电力系统,电力市场不确定性激增,现有的确定性市场力评估模型向概率性模型转化。由于确定性模型无法考虑新能源的不确定性特征,市场力误判现象频发,严重威胁电力市场的安全运行。为考虑新能源与负荷不确定性的重要影响,提出了一种结构性市场力指标——考虑不确定性的发电机最小期望发电集(UEMGI)。基于机会约束理论,以发电机出力期望最小为目标,提出了考虑不确定性的市场力评估优化模型。然后,基于潮流方程对不确定性的灵敏度分析,通过引入松弛变量对机会约束的非线性部分进行二阶锥松弛,提出了所提机会约束优化模型的二阶锥快速求解方法。最后,采用PJM 5节点和IEEE 39节点系统进行仿真计算。仿真结果表明,所提方法能有效反映系统整体不确定性水平与市场参与者市场力之间的复杂关系,为新能源背景下电力市场的结构性市场力评估提供有效手段。     

卷积神经网络表征可视化研究综述

近年来, 深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展, 这些任务多以卷积神经网络为基础搭建识别模型, 训练后的模型拥有优异的自动特征提取和预测性能, 能够为用户提供“输入–输出”形式的端到端解决方案. 然而, 由于分布式的特征编码和越来越复杂的模型结构, 人们始终无法准确理解卷积神经网络模型内部知识表示, 以及促使其做出特定决策的潜在原因. 另一方面, 卷积神经网络模型在一些高风险领域的应用, 也要求对其决策原因进行充分了解, 方能获取用户信任. 因此, 卷积神经网络的可解释性问题逐渐受到关注. 研究人员针对性地提出了一系列用于理解和解释卷积神经网络的方法, 包括事后解释方法和构建自解释的模型等, 这些方法各有侧重和优势, 从多方面对卷积神经网络进行特征分析和决策解释. 表征可视化是其中一种重要的卷积神经网络可解释性方法, 能够对卷积神经网络所学特征及输入–输出之间的相关关系以视觉的方式呈现, 从而快速获取对卷积神经网络内部特征和决策的理解, 具有过程简单和效果直观的特点. 对近年来卷积神经网络表征可视化领域的相关文献进行了综合性回顾, 按照以下几个方面组织内容: 表征可视化研究的提起、相关概念及内容、可视化方法、可视化的效果评估及可视化的应用, 重点关注了表征可视化方法的分类及算法的具体过程. 最后是总结和对该领域仍存在的难点及未来研究趋势进行了展望.     

钙掺杂自激活锗酸锌长余辉材料的多色余辉及动态防伪应用

长余辉材料在安全指示、防伪和生物成像等领域具有广泛应用前景,但其缺陷调控及余辉机理尚不清晰。自激活长余辉材料以其物质组成及晶体结构简单,便于研究余辉机理而受到关注。本研究以自激活长余辉材料锗酸锌为基质,采用高温固相反应合成得到了一系列钙掺杂的长余辉材料Zn_2–xCa_xGeO₄(x=0、0.1、0.2、0.3、0.4、0.5)。实验表明,在锗酸锌中掺杂钙元素后,使用376nm紫外光激发时,观察到锗酸锌基质样品的黄色发光峰;同时在267 nm激发下, Zn_1.5Ca_0.5GeO₄荧光强度增强了6.2倍。从余辉光谱和余辉衰减曲线上看, Zn_1.5Ca_0.5GeO₄初始余辉强度增强了25.1倍;并且在所考察的300 s余辉时间里,与锗酸锌相比, Zn_1.5Ca_0.5GeO₄保持了近5倍的余辉强度。进一步热释曲线表征显示,材料主要陷阱的...     

极地钢铁材料的腐蚀与防护面临新挑战

随着极地的开发和利用,其所需的极地钢铁材料的腐蚀与防护问题越来越受到研究者的关注。本文以传统海洋环境腐蚀分区为参照,对极地特色的腐蚀环境进行了系统的分析,并将其归纳整理为极地大气区、极地冰水磨蚀区、极地海洋全浸区、极地海底泥土区等4个腐蚀区域。在对极地钢铁材料腐蚀与防护的研究进展进行梳理的基础上,从合金化、涂层技术和阴极保护技术3个方面介绍了极地钢铁材料的防护技术,并指出了极地钢铁材料未来研究的方向。     

微软收购SKYPE的积极要素

<正>业界很长时间没有因为微软而热论什么了,聚光灯大半都打在了大佬Google、苹果身上,或者聚焦于Facebook、Groupon这些后起之秀。所以,就像死水之中偶然泛起的微澜,微软对Skype的收购重再次吸引了众多眼球。在对此事的评论中,微软被比作了袁绍,既然是袁绍,那就只能唱衰了。