基于DSP架构的软件应用流水线开发监测技术

软件流水线开发过程涉及不同的开发环境和测试环境,不同环境因素的影响会导致监测指令行间出现大量延迟,严重影响了监测技术的复用性。针对这一问题,提出基于DSP架构的软件应用流水线开发监测技术。派发监测指令前,在取指站设置一个分支计数器,以目的地址作为依据,启动分支计数器,完成监测指令预取。采用BWDSP100芯片搭建DSP架构,将预取内容部署到DSP架构中,同时对内部代码库进行部署,优化代码循环监测内容。设计监测引擎内部结构,建立与流水线之间的联系,设置身份权限验证功能和多个功能节点,完善监测流程,实现对软件应用流水线开发的完整监测。实验结果表明,面对开发环境的变化,所提技术在监测软件流水线开发过程中能够保证监测结果的准确和较高的监测效率,整体复用性得到了提高,具有一定的应用前景。     

基于自然语言的云数据库非结构化数据提取

以非结构化数据高精度提取为目的，利用改进K-均值算法聚类云数据库非结构化数据，对分类后非结构化数据进行归一化预处理；通过基于自然语言语义的数据库目标检索模型，对预处理后的多种云数据库非结构化数据，按照用户需求实时提取。经测试：所提方法在不同数据集中，对多种类型的云数据库非结构化数据提取结果存在可信度，最大偏差为1个，偏差极小，在可接受范围内，可高精度提取云数据库非结构化数据。     

基于深度学习的远程监督关系抽取方法研究

为更好判定远程监督语句中的实体语义关系,实现对语言处理信息的准确提取,提出基于深度学习的远程监督关系抽取方法.借助远程监督方法,获取关系三元组中已存储的信息参量,再通过待学习数据标注的方式,完成远程监督关系的抽取数据集构建.在此基础上,设计监督执行框架,利用已定义的句子级别特征条件,实现对待抽取标签的学习处理,完成基于...     

基于无监督学习的电力系统网络潜在多步攻击实时检测方法

针对网络潜在攻击行为检测率和准确率较低、误报率较高的问题，提出基于无监督学习的电力系统网络潜在多步攻击实时检测方法。通过提取攻击流量特征、输入训练好的无监督学习模型，判断攻击流量是否产生攻击行为，同时检测潜在多步攻击类别。使用网络模拟器，模拟电力系统网络环境，采用攻击工具进行网络流量攻击。试验结果表明，设计方法检测网络攻击流时，检测率和准确率较高，误报率较低。方法可以有效抵挡网络多步攻击行为，保证电力系统安全。