多表位DNA壳聚糖微球疫苗的体液免疫应答

目的研究多表位DNA壳聚糖微球疫苗的体液免疫应答。方法制备多表位DNA壳聚糖微球疫苗pcD-NA3.1-HME-3C3d,经鼻腔免疫小鼠,蛋白检测微孔试剂盒检测小鼠特异性IgG抗体水平。结果经免疫的小鼠均能产生针对各表位的特异性IgG抗体,DNA壳聚糖微球疫苗的抗体水平明显高于DNA疫苗。结论壳聚糖微球疫苗投递系统可提高多表位DNA疫苗的免疫应答效果。     

木马恶意软件的电子数据勘查与取证分析初探

木马等恶意软件已经成为网络违法犯罪分子经常利用的作案工具。勘查木马恶意软件可以掌握木马行为、传播机理和信息窃取途径,进而为涉网案件侦办工作提供有价值的情报线索。文章简要分析了木马的功能特点、工作机理和关键技术,针对木马恶意软件的技术特点,紧密结合公安机关网络安全保卫部门的工作实际,研究探讨了木马勘查取证的基本流程、常用工具与方法,并用实例讲述了木马勘查分析技术在涉网案件侦办中的应用。     

面向等级保护的数据安全保护系统研究与设计

文章以信息系统安全等级保护理论为指导,设计了一套数据安全保护系统。该系统以数据安全保护为主线,针对涉密数据的生成、使用、流转、外发和销毁的全生命周期,采用多项软硬件技术综合保障涉密数据的安全性。文章介绍了信息系统等级保护的基本概念以及数据安全保护系统的体系结构、主要功能。目前,该数据安全保护系统已研发完成,并取得了良好的应用效果。     

规范监理程序 强化目标管理

建立健全水利工程建设质量管理体系项目法人负责、监理单位控制、勘测设计和施工单位保证政府监督相结合的体制。加强了建设项目的管理，确保了工程质量，充分发挥了工程投资效益。监理单位受业主的委托对承包商的施工过程进行监督与管理。为了实现项目建设的总体目标，在施工中监理单位发挥着自身的重要作用，每个监理单位内部管理制度的强化，是保证建设工程质量的根本。文章仅就监理单位的项目管理工作的内容及作用进行论述，就推行目标管理提出几个需要解决的问题。     

乙肝乙脑麻疹多表位噬菌体微球疫苗的体液免疫应答

目的探讨乙肝乙脑麻疹多表位噬菌体微球疫苗的体液免疫应答效果。方法用壳聚糖制备乙肝乙脑麻疹多表位噬菌体微球疫苗,经腹腔、皮下和鼻腔3种途径免疫小鼠,ELISA检测小鼠血清特异性IgG抗体水平。结果3种途径免疫的小鼠均能产生针对各表位的特异性IgG抗体,鼻腔免疫效果最好;多表位噬菌体微球疫苗的抗体水平明显高于多表位噬菌体疫苗。结论壳聚糖微球疫苗投递系统可以提高多表位噬菌体疫苗的体液免疫效果。鼻腔免疫是多表位噬菌体微球疫苗的最佳免疫途径。     

噬菌体展示的1型糖尿病疫苗种子的稳定性

目的观察在不同温度保存条件下噬菌体展示的1型糖尿病疫苗种子的稳定性。方法将噬菌体展示的1型糖尿病疫苗种子样品分为两组,一组添加等体积的80%甘油,另一组不添加甘油,分别于不同温度条件下存放不同时间后取样,用噬斑法检测滴度。结果在37℃和25℃条件下保存,噬菌体疫苗种子滴度下降较快,在4℃和-20℃条件下保存噬菌体疫苗种子滴度下降相对较慢;37℃、25℃及4℃条件下保存,添加甘油并无明显的保护作用,而在-20℃条件下保存,添加甘油有明显的保护作用。结论噬菌体展示的1型糖尿病疫苗种子可在4℃条件下短期保存,-20℃条件下长期保存,并可添加甘油作为保护剂。     

动态污点分析技术在ActiveX控件漏派挖掘上的应用

ActiveX控件以其跨平台、简单易用的特点被广泛应用于其他应用程序,例如大型统计软件、网上银行安全控件等。因此,其安全问题也越来越值得关注。目前针对ActiveX控件的漏洞挖掘的主要方法是模糊测试,但模糊测试的局限性会造成漏报。文章基于动态污点分析的ActiveX漏洞挖掘工具CMPTracer,分析可控数据在ActiveX控件内部的处理流程,反馈出程序内部进行正确性检测的指令,进而指导测试数据的修改,得以测试程序深层的处理逻辑。经过试验比对发现,CMPTracer可以降低漏洞挖掘过程中的漏报率,能够发现普通模糊测试工具遗漏的安全漏洞。     

用关联分析技术识别不良信息特征项的新方法

不良信息特征项的挖掘精度制约着不良信息鉴别与过滤的效果。文章从数据挖掘的角度对不良信息特征项的识别进行研究,提出了一种自动高效地挖掘文档潜在特征项的新方法:首先对文档进行必要的预处理,包括自动分词、无用项过滤、项标引以及项的分箱操作等,然后利用数据挖掘中的关联分析技术识别文档中的特征项。试验结果验证了该方法的可行性。     

Hadoop DDos攻击检测算法分析

针对Hadoop平台可能遭受的DDos攻击,需要对Hadoop DDos攻击的检测算法进行研究需要对常用的SVM、KNN、神经网络、Decision Tree、Naive Bayesian算法进行研究。文章通过搜集主机正常运行时和遭受攻击时的资源使用信息作为数据集,运用上述算法进行分析后发现,SVM对Hadoop DDos攻击检测具有高达91.75%的准确率。实验结果表明,SVM是最适合Hadoop平台DDos攻击检测的算法。