黑客攻击频繁 关注恶意代码威胁

根据CNCEKT检测指出,僵尸网络控制服务器有了成倍的增长;8月中垃圾邮件事件投诉占较大比例,为1492件;而网页恶意代码事件也有较大增长,由7月的586件上升到719件,网络仿冒和漏洞事件报告数量较7月也有所增长。8月份病毒、木马等恶意代码威胁程度相对较高,其传播和扩散的途径往往是利用了已经公布的系统和应用软件漏洞。     

财付通帮QQ族轻松还款

哎,刷卡方便还账难!这可能是大部分年轻人对信用卡使用的心态,也常常会为信用卡账单过去忘记存款缴纳滞纳金。有啥办法,年轻人“事”多,其实别认为滞纳金是小钱,损失无所谓,财富是靠积累的。所以还款事虽小,还是要上心。这不,财付通推出在线信用卡轻松还款业务,方便了懒人朋友信用卡还款。     

《刀剑英雄2》笑到你不行

爱抬朽的人 我的好朋友菜团是个很爱和我抬杠的人,前几天去他家玩的时候,刚进门就见他在玩一款很像以前玩过叫《刀剑》的游戏（事后知道果然是《刀剑》的续作《刀剑英雄2》）,因为我一直很喜欢这个系列,于是就过去问他：“你在玩什么呢？”     

一种用于声纳系统的高速数据实时存储系统

在声纳工程领域,试验数据都是不可多得的宝贵资料,因此经常需要对大量数据进行实时存储。Windows操作系统能在一定程度上满足大量数据的存储,但实时性不够好。本文提出了一种基于嵌入式实时操作系统VxWorks的海量数据存储方法,并解决了大硬盘的I/O访问、数据在Windows操作系统下转存的问题,这些方法都已经得到了实际的应用。     

基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估

为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。     

计及经济性和光伏消纳率的微电网多目标优化策略研究

县域微电网的发展规模不断壮大,存在着微网运营支出成本与分布式可再生能源消纳率无法同时兼优的问题,基于此建立以日运营支出成本最小和光伏消纳率最大的双目标函数,计及功率平衡、功率范围等约束,建立了微电网优化运行模型。引入多目标粒子群算法对双目标问题进行折衷求解,最后以某一工业园区的总用电负荷和光伏预测数据为例,与标准粒子群算法单一目标下的优化结果进行对比分析,验证了所提模型和算法的有效性。     

考虑事件数据的产消者负荷预测方法及极端误差抑制策略

能源互联网技术推动了电力产消用户的规模化发展,产消者资源的优化运行与电力市场运营成为改善综合能效和投资收益的重要议题。产消用户的电力负荷精细化预测不但有益于提升分布式资源有限的容量价值,而且还能在售电侧市场全面放开时规避运营风险。首先,综述了产消者电力负荷预测技术及应用场景,提出了事件数据的含义并讨论了事件数据稀疏性带来的行为模式切变对于典型时序预测模型产生的极端预测误差问题。为避免解耦分析多元影响因素下的不确定性,构建了基于预测历史数据置信加权的短时预测修正模型,并分析了修正模型对于极限误差的收敛作用和经济性提升成效。最后,基于真实校园微电网工程运行数据验证了所提方法的有效性。     

Web 3.0信息安全风险研究及对策建议

Web 3.0是第三代互联网的服务,以用户为中心、安全及开放性等主要特征,可以很大程度上改进目前的互联网生态。但Web3.0所依赖的区块链、去中心化身份及加密货币等技术带来的网络信息安全风险也会对国家安全带来一定的威胁。因此,在推动Web3.0健康有序发展的同时,确保Web 3.0安全管控成为各国关注的重点。本文从Web 3.0的网络架构出发,总结国际上针对Web 3.0的监管现状及行业发展现状,并对其带来的安全风险进行深入分析,最后提出监管建议。     

以图像为主的多模态感知与多源融合技术发展及应用综述

不同模态的表现方式不同,描述目标的角度也会不同。多模态感知与多源融合技术是将两种或两种以上的模态组合起来,融合不同传感器、不同平台收集到的数据、特征信息,兼顾不同图像的优势,在遥感监测、军事安防、自动驾驶等领域有着广泛的运用。介绍了热成像、高光谱成像、偏振成像、合成孔径雷达(SAR)、激光雷达(LiDAR)等多模态感知技术,总结了不同成像方式的特点与联系,简述了多源融合相关概念及其技术发展历程,重点分析了不同模态下图像融合案例,在此基础上归纳多模态感知和多源融合技术的发展趋势,最后基于融合算法、系统整体性、评价指标总结出进一步发展方向。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。