渗透测试的核心问题是渗透测试路径的规划,手动规划依赖测试人员的经验,而自动生成渗透路径主要基于网络安全的先验知识和特定的漏洞或网络场景,所需成本高且缺乏灵活性。针对这些问题,提出一种基于强化学习的渗透路径推荐模型QLPT,通过多回合的漏洞选择和奖励反馈,最终给出针对渗透对象的最佳渗透路径。在开源靶场的渗透实验结果表明,与手动测试的渗透路径相比,所提模型推荐的路径具有较高一致性,验证了该模型的可行性与准确性;与自动化渗透测试框架Metasploit相比,该模型在适应所有渗透场景方面也更具灵活性。
与二维可见光图像相比,三维点云在空间中保留了物体真实丰富的几何信息,能够应对单目标跟踪问题中存在尺度变换的视觉挑战。针对三维目标跟踪精度受到点云数据稀疏性导致的信息缺失影响,以及物体位置变化带来的形变影响这两个问题,在端到端的学习模式下提出了由三个模块构成的提案聚合网络,通过在最佳提案内定位物体的中心来确定三维边界框从而实现三维点云中的单目标跟踪。首先,将模板和搜索区域的点云数据转换为鸟瞰伪图,模块一通过空间和跨通道注意力机制丰富特征信息;然后,模块二用基于锚框的深度互相关孪生区域提案子网给出最佳提案;最后,模块三先利用最佳提案对搜索区域的感兴趣区域池化操作来提取目标特征,随后聚合了目标与模板特征,利用稀疏调制可变形卷积层来解决点云稀疏以及形变的问题并确定了最终三维边界框。在KITTI跟踪数据集上把所提方法与最新的三维点云单目标跟踪方法进行比较的实验结果表明:在汽车类综合性实验中,真实场景中所提方法在成功率上提高了1.7个百分点,精确率上提高了0.2个百分点;在多类别扩展性实验上,即在汽车、货车、骑车人以及行人这4类上所提方法的平均成功率提高了0.8个百分点,平均精确率提高了2.8个百分点。可见,所提方法能够解决三维点云中的单目标跟踪问题,使得三维目标跟踪结果更加精确。
对于网络中拥有的复杂信息,需要更多的方式抽取其中的有用信息,但现有的单特征图神经网络(GNN)无法完整地刻画网络中的相关特性。针对该问题,提出基于混合特征的图卷积网络(HDGCN)方法。首先,通过图卷积网络(GCN)得到节点的结构特征向量和语义特征向量;然后,通过改进基于注意力机制或门控机制的聚合函数选择性地聚合语义网络节点的特征,增强节点的特征表达能力;最后,通过一种基于双通道图卷积网络的融合机制得到节点的混合特征向量,将节点的结构特征和语义特征联合建模,使特征之间互相补充,提升该方法在后续各种机器学习任务上的表现。在CiteSeer、DBLP和SDBLP三个数据集上进行实验的结果表明,与基于结构特征训练的GCN相比,HDGCN在训练集比例为20%、40%、60%、80%时的Micro?F1值平均分别提升了2.43、2.14、1.86和2.13个百分点,Macro?F1值平均分别提升了1.38、0.33、1.06和0.86个百分点。用拼接或平均值作为融合策略时,准确率相差不超过0.5个百分点,可见拼接和平均值均可作为融合策略。HDGCN在节点分类和聚类任务上的准确率高于单纯使用结构或语义网络训练的模型,并且在输出维度为64、学习率为0.001、2层图卷积层和128维注意力向量时的效果最好。
目前,由于可供网络协议开发的硬件资源极其有限,而且真实性能评估要求硬件上的组网产生了高额的硬件成本。因此,对于大多数网络协议的研究以及性能评估都是基于纯软件系统进行的,其结果仅局限于理论意义。为了解决这些问题,基于GNU Radio平台以及二代通用软件无线电外设(USRP2)设计和实现了分布式无线网络媒体介入控制(MAC)协议的半实物仿真系统。该系统以IEEE802.11分布式协调功能(DCF)为协议框架,结合离散事件仿真技术,依靠较少的硬件资源(一台个人计算机(PC)和两台USRP2)模拟了多个节点的无线通信网络。实现中,MAC层协议使用简洁的Python语言进行系统开发,具有很大的灵活性,而且扩展性和可移植性强;物理层使用高效的C++语言对信号进行模块化处理,并利用USRP2射频硬件在真实信道上进行数据传输。将系统的节点发送概率以及吞吐量实测数据分别与Bianchi算法以及基于时隙分析的饱和吞吐量计算模型进行了对比,对比结果的吻合性说明了网络仿真平台的可靠性。
针对公平、有效分配地理上呈分布式的控制系统带宽的问题,提出了一种分布式的动态带宽分配算法。首先把这种带宽分配问题构建为一个凸优化问题,使全部控制系统的效用最大化;再采用分布式带宽分配算法思想,使得控制系统基于网络反馈的拥塞信息改变其采样周期,得到可利用的最大采样速率或最大传输速率;然后把控制系统和链路之间的相互作用建模为一个时延动态系统,并采用比例积分(PI)控制器作为链路队列控制器来实现算法。仿真结果表明,所提带宽分配算法不仅能够使全部设备的传输速率在10 s内收敛到全部设备均等共享的链路带宽值;同时对于PI控制器来说,其队列稳定在期望设置点50个数据包左右,而且能够准确、稳定地跟踪输入信号,使全部控制系统的性能最大化。
针对无人机(UAV)遥感航拍过程中相机载荷参数自动化控制与飞行航迹实时跟踪的问题,提出一种能自动完成相机载荷控制与航拍控制的设计方案.首先,系统根据实验要求实时获取所在地理位置信息及环境预判信息,再根据相机控制参数表进行参数编码;然后,通过通信口发送自定义协议指令集给硬件控制电路,完成相机载荷参数设置并进行拍摄,同时航迹规划软件实时记录飞行轨迹地理坐标信息.系统设计使硬件控制平台和软件数据处理相结合,实现软硬协同控制.经无人机飞行验证,与单一参数航拍控制模式相比,该系统能根据不同的拍摄环境和拍摄场景进行相机参数的自动化控制与飞行轨迹实施跟踪.
针对地应力低频电磁监测中高效数据采集、精准授时和实时定姿定位问题,设计并实现了基于嵌入式的定位与姿态测量模块相结合的实时数据采集系统,以ARM微处理器(S3C6410)和嵌入式Linux作为系统控制核心平台,详细介绍了系统软硬件设计架构,设计并完成定位与姿态测量特征数据提取算法,基于LCD触摸屏和Qt/Embedded进行数据采集处理终端的图形用户界面设计并实现人机交互;另外,系统在完成控制显示等功能的同时能将所需数据实时存储至SD卡,为后续数据分析提供依据。系统联调与外场实验验证表明:该系统能够完成定位与姿态数据的实时采集和处理,数据获取效率较高,有效解决了地应力监测中的实时定姿定位,能够高速、实时、可靠地进行地应力低频电磁监测。
针对大规模项目资源库中项目资源信息无序而导致无法准确快速找出项目资源库中所需资源的问题,提出了基于MapReduce的并行化模糊聚类划分算法。该算法首先抽象原始项目资源特征属性并标准化;其次,根据标准化后的特征属性建立项目相似矩阵,运用矩阵分块思想分割矩阵;然后,利用MapReduce技术处理分块矩阵并合并结果;最后,运用阈值评判划分成若干个有序的项目组。与K-means算法和遗传算法的对比实验结果证明:该算法具有较高的准确率和查全率,并且在大规模数据计算时能够得到较高的加速比,可以有效准确地划分项目资源。