一种基于任务和角色的访问控制模型及其应用

近年来RBAC(Role-Based Access Control)及TBAC(Task-Based Access Control)模型得到广泛的研究。文中比较了一些现有访问控制模型的各自特点和适用范围,针对现有模型的不足,为了提高系统的安全性、通用型和实用性,通过结合RBAC及TBAC模型各自的优点,提出了一个新型的访问控制模型T-RBAC(Task-Role Based Access Control)。描述了T-RBAC模型结构和特点,阐述了模型对最小权限原则、职权分离原则、数据抽象原则及角色层次关系的支持,给出了模型在协同编著系统中的一个应用和将来工作的主要目标。     

基于规则的分布式访问控制模型研究

分析了现有访问控制模型的一些共有的缺陷,介绍了一种基于规则变互的访问控制模型LGI（law-governed interaction）和它的基本概念以及一些简单的应用,最后阐述了LGI的应用意义。     

组元层厚对TC4/Al3Ti微叠层复合材料性能影响

以TC4箔材和纯Al箔材为原材料,用高真空热压法制备了TC4/Al₃Ti微叠层复合材料,研究了组元层厚对复合材料组织与性能的影响。使用金相显微镜、X射线衍射仪、扫描电镜和场发射电子探针对复合材料的显微组织、裂纹断口进行分析。结果表明,当试样厚度及试样内Al₃Ti体积分数一定时,组元层厚越小,复合材料力学性能越优异。当堆叠层数为55层时,组元层厚最小,材料性能最佳,其抗弯强度为970 MPa,垂直于层的抗压强度为1 307 MPa,平行于层的抗压强度为1 206 MPa。     

基于业务优先级和SRLG的电力需求响应业务调度优化算法

为降低电力通信网多优先级业务传输的失效概率,提高系统可靠性,提出一种基于业务优先级和共享风险链路组(shared risk link groups,SRLG)的电力需求响应调度优化算法。根据电力通信网业务的分类,将需求响应业务进行业务优先级的分区定位,提出电力需求响应业务传输的信用值整形机制(credit-basedshaper,CBS),对不同优先级业务的传输调度机制进行描述。考虑电力通信网的共享风险链路组,对不同优先级业务调度路径的选择进行优化,实现所选路径的高可靠性。仿真结果表明,所提算法可以有效降低需求响应业务调度路径的SRLG综合失效概率和风险,平均节点处理时延较小,很好地保证了需求响应业务传输的可靠性和安全性。     

长途通信光缆的障碍分析与维护

随着通信事业的不断发展,长途通信光缆的应用范围日益扩大,长途通信光缆承担的通信传输任务也越来越重要。然而,由于长途通信传输距离远,在信号传输的过程中容易出现故障,造成长途通信光缆的中断,导致通信业务受损。因此,对长途通信光缆的障碍进行分析,加强长途通信光缆的管理与维护对于确保通信的安全稳定,避免通信业务受损有着十分重要的作用。     

基于极端梯度提升的跨地区多种类电力需求预测

对多个地区不同形式电力需求进行预测,不仅可以保证各地区电力供给稳定,还可以对全国产生的不同形式电力资源按地区进行合理分配。但目前的方法多针对单地区进行单一时间序列的预测,无法满足能源互联网中对复杂情况的电力需求预测要求。针对此问题,设计一种基于极端梯度提升的跨地区多种类电力需求预测算法。该算法改进提升树方法,有效地防止过拟合,同时通过支持分布式并行的方式,提高训练效率。与其他方法相比,所提方法对训练样本总量和特征数据类型要求不严苛,并可用于多时间序列预测。实验结果表明,所提方法能在可接受误差范围内对各地区不同形式电力需求进行快速、准确的预测。     

基于最优初始值Q学习的电力信息网络防御策略学习算法

电力信息网络的安全与稳定是当今社会发展的重要保障,随着电力信息网络越来越庞大和复杂,如何高效合理地建立电力信息防护网络成为研究人员关注的重点之一。在自动化电力信息网络中,其防御策略通常缺乏统筹管理,只能针对少数设备进行防护,存在着更新速度慢、更新周期长、无法自动更新和资源分配不均等问题。本文提出一种基于最优初始值Q学习的电力信息网络防御策略学习算法,该算法以强化学习中的Q学习算法为框架,利用生成对抗网络思想,通过攻击智能体和防御智能体的模拟对抗学习安全策略。算法中的防御智能体使用Q学习方法更新其防御策略,利用历史防御经验在线改进防御策略,避免了人为手动操作。在训练中引入最优初始值极大加快了系统防御性能的训练速度。实验结果验证了算法的有效性。     

计及滚动评价的居民群需求响应策略

开展需求响应能够有效地平抑负荷波动、降低负荷用电峰谷差,但用户响应的不确定性,极大地阻碍了需求响应业务的开展。为此,策略依托以聚合商为中心的需求响应架构,以基线负荷功率推演为支撑,考虑用户实时状态、满意度和自动需求响应的实施特性,建立响应评估模型,采用滚动评价的方式,以评价结果为导向降序选择可预期性强的用户参与业务,尽可能降低居民用户群参与下的自动需求响应的不确定性。仿真结果表明,策略可以在节约需求侧资源的同时降低用户群响应误差比例。     

考虑链路失效概率的电力业务保护策略EI北大核心CSCD

电力业务因其行业特殊性,承载其传输的电力通信网的生存性逐步被重视。该文为了提高电力通信网络的可靠性研究了P圈(preconfigured cycle,P-cycle)在电力通信网中的应用,提出了一种考虑链路风险的保护策略(riskconsidered link protection strategy,RCLPS)。首先对链路失效风险进行建模,随后针对P圈的物理结构限制及链路风险对电力业务进行负载均衡(load balance,LB),将网络中的业务向风险较低的链路上进行疏导,并且使网络中的业务分布更加有利于使用P圈进行保护,从而提高保护效率和网络资源利用率。仿真结果表明,RCLPS算法可以有效降低保护冗余度,并可以实现对网络中资源的高效利用。     

基于异卷积神经网络的入侵检测

网络已经深入人们生产生活的各领域。然而,由于存在大量的非法入侵行为,网络所面临的安全问题也越来越严峻。因此,检测入侵以保障网络安全是一个亟待解决的问题。针对此,本文提出一种基于异卷积神经网络的入侵检测方法,采用深度学习的卷积神经网络模型完成对入侵数据的特征提取,然后根据2种不同结构的卷积神经网络训练数据,从而得到最优模型,用以判断网络入侵。最后,使用KDD 99数据进行对比实验,验证本文方法的准确性和精确性。