fzq0625的博客

他们对“东数西算”算力网络体系等基础设施发起的网络攻击、漏洞攻击、定向攻击、数据窃取等，极易造成信息泄露、应用系统无法使用等问题，不仅影响公民和组织的合法权益，甚至将对国家安全、社会稳定造成严重的威胁。建立全国统一的一体化安全管理协调机构，从安全管理、安全建设、安全运维3个角度出发，构建安全防护管理框架，加强安全数据汇聚和态势感知、加强安全情报跨领域共享交换、加强安全事件的指挥调度能力、推动开展安全合规监督检查，打造一体化安全运营新模式，并协助网信、国安、公安等监管部门做好网络和数据安全工作的监督指导。

摘要近年来，数字生成内容技术得到了极大的发展，数字内容的检测和取证技术面临新的挑战。首先从自然语言大模型、视觉生成技术、多模态生成技术3个方面介绍数字内容生成技术，从生成文本检测、生成图片检测、生成音视频检测3个方面介绍数字内容检测技术，从利用事实信息和伪造痕迹两方面介绍数字内容取证技术；接着介绍这些技术的应用场景；最后对该研究领域的未来工作进行展望，指出几个需要重点关注的方向。关键词： 数字内容 ; 生成技术 ; 检测应用 ; 取证技术近几年深度学习快速发展，在大模型方面取得显著的技术突破，例如：视觉大模

摘要交叉解读3个数据政策文件，从数据产业发展趋势、用户数据认知和科技创新技术应用的视角提出了有关产业发展的若干思考，认为文件所聚焦的数据以及以数据为关键要素的产业发展会精准点燃经济发展的引爆点。首先，论述了数据政策文件对产业发展的影响——将能够加快数据产业和数据安全产业的发展进程，并赋能实体经济，使其成为高质量发展的主干道和主赛场。其次，阐述了数据政策文件对用户数据认知的影响——有助于理解数据要素和数据安全的价值共生关系，建立数据要素及安全一体化治理的数据认知，探索数据运营新思路、新机制、新方法。最后，围绕

随着大数据的大规模流转、汇总存储和分析，以及各种大数据技术架构、支撑平台和大数据软件的大范围使用，企业研究数据安全治理相关技术、建设数据安全平台来统筹多维度、全流程的数据安全治理任务，优化各设备的防护策略，强化数据安全治理体系，更具紧迫性。有3级或以上等级敏感数据源访问权限的人，是关键权限人员”。安全专用设备将产生的日志推送至消息队列后，把编写好的解析程序和分析程序作为消费者的实时读取日志，并将分析的结果（识别的告警或统计的指标）发送至新的消息队列，再经过ETL任务处理后写入搜索引擎数据库，支撑上层应用。

首先在大数据采集的高铁用户信令的基础上识别出高铁用户，接着基于终端大数据和无线Trace大数据，关联评估高铁移网网络路网识别，然后综合各类数据，利用人工智能，通过深度学习算法自动分析高铁移网覆盖、干扰、容量、切换等各方面存在的隐患和问题，最后通过定位分析系统分析出问题可能根因和解决思路，再流转给工单系统派单处理，接到工单闭环后，自动化进行闭环效果分析验证。高铁定位的目的是通过智能化算法在高铁用户识别的基础上，对高铁用户位移的经纬度进行汇聚和纠偏，将其位置拟合到高铁路网（见图3）。b）高铁用户切换序列判定。

鉴于数据中心的高能耗属性，其能源消费持续增长。根据《数据中心设计规范》（GB50174-2017），数据中心的选址总共有9条要求，涉及电力供给、水源、自然环境，远离粉尘、油烟、有害气体等场所，远离自然灾害区域，远离强振源和强噪声源，避开强电磁场干扰、不宜建在公共车库正上方等要求。表2描述了将变电站闲置空间改造为边缘DC需要遵循的设计标准，A级与B级数据中心在设计上的主要区别在于柴油发电机和不间断电源（UPS）的配置，需要综合考虑室外空间的大小以及中小企业对后备时间的具体要求，从而选择适合的配置级别。

从图3可以看出，在2022年—2023年的手机终端市场中，TOP6的手机终端平台占比总体稳定在80%以上，受产能等因素的影响，华为终端的份额下降了约3个百分点，而荣耀、苹果品牌用户份额分别提升了1.7和0.9个百分点，补充了华为高、中端用户市场的份额。基于海量的数据，通过分析手机终端与通信网络的协同情况、手机终端与聚类人群的特征情况、手机终端的换机趋势及用户喜好变化趋势，研究与预测未来的终端市场，提升终端与网络的协同服务能力，更好地服务社会经济发展，提升人民群众的生活质量。

a）在文本相似性检测算法方面，根据短信文本的特点，本文提出并实现基于“分层统计”的朴素贝叶斯算法，通过分层统计短信的词频-逆文档频率（Term Frequency-Inverse Document Frequency，TF-IDF）特征向量，解决了传统贝叶斯分类无法用于由特征向量TF-IDF表示的短信分类过程的难题，该算法不仅显著提高了垃圾短信识别精度，其复杂度也大幅降低。b）Mahout训练过程。再次，合并计算获得该关键词的TF-IDF值，短信所有关键词的TF-IDF值组成的向量即为短信的特征向量。

通过收集到的意图识别数据集，包括产品属性查询、产品范围查询、系统咨询、名单制客户查询等10个意图的训练数据，对数据进行清洗，将其转化为BERT模型所需的输入格式，然后对不同意图的数据集进行实体标注，通过标注句法，额外融入词性、句法分析，进一步提升模型性能，使得实体提取和意图分类更加准确，再经过模型训练，构建出精准且具有鲁棒性的意图识别模型。智能问答是大语言模型技术应用的一个重要场景，生成式大语言模型不仅能回答问题，还能生成连贯、自然的语言回复，这一技术的应用大大增强了用户互动的自然性和流畅性。

建筑是一个物理空间，同时建筑也是就医流程的一个物理载体，无论患者还是医护人员，在空间中的主要需求包括舒适（体现在温度、湿度等环境参数）、便捷（所有与空间的相关服务都能够方便地获取）、融洽（人本身及其意图在空间中可被感知，并能被引导到需要去的地方，从而高效地完成他在这个建筑物中需要完成的任务，如就医、探视等）。大流量、高并发的应用或者低带宽、低功耗的应用，可以选择采用广域网的协议，5G技术是一个很好的选择，但是因为医院数据安全和管理的要求，即使采用网络切片，也必须考虑满足安全监管和三级安全等要求。

依托O域数据深度价值、B域、M域以及外部数据等融合数据，提出融合数据赋能数字乡村体系框架，包括数据引入层、多维融合层、场景应用层3层架构，并从人口、网络、营服体系、渠道建设、产业行业等5个维度进行综合分析，得出不同区域的差异化优先聚焦策略。e）将A1、A2、A3列并列形成的8 000行3列的矩阵作为训练集，B1、B2、B3列合并形成的2 000行3列的矩阵作为测试集，再放入元学习器（LR模型）进行训练，得到最终的乡镇级用户产业行业群体特征的预测结果，包括视频直播、智能设备、亲子群体、先进制造、现代农业等。

在算力时代，网络作为连接用户、数据和算力的重要桥梁，必须与算力深度融合，以算为中心，以网为根基，充分发挥网络连接的优势，构建算网一体化新型基础设施，为用户提供低时延、高可靠、端到端的算力连接体验。传输网优化的思路是围绕中心算力及横向广覆盖、纵向深下沉的边缘算力统一布局，着力提升云边之间、边边之间、端边之间的网络接入能力和调度能力，进一步强化跨专业、跨地域、跨层级的算力资源接入和互联网络，助力构建统一调度、灵活可达的传输网络，满足算力对更大带宽、更低时延、更广覆盖的承载需求。e）智能化融合承载。

防火墙在收到终端发出的首个数据包时，会执行将源地址和目的地址的IPv6、IPv4之间的转换，从资源池中动态选取IPv4地址端口号，将源IPv6地址变换为IPv4地址+端口号的对应关系，利用该端口号在NAT64中建立和维护TCP和UDP的会话映射关系，在使用完毕后释放IPv4端口号，为目的地址剥离Pref64前缀，转换成目的IPv4地址。在IPv6单栈网络中，终端在完成5GC认证授权后，从网络侧只获得IPv6地址，但终端上可能存在支持IPv6的应用系统，也可能存在只支持IPv4的应用系统。

RoCEv2将IB的网络层、链路层和物理层替换为以太网协议，将RDMA应用数据封装到UDP报文中，再加上IP、以太网报文头，使报文可以在以太网中进行传输，并通过基于优先级的流量控制（Priority-based Flow Control，PFC）、显示拥塞通知（Explicit Congestion Notification，ECN）等流控机制，保证发送端和接收端速率匹配。在大模型并行计算中，计算节点之间同步的数据量非常大，并且大部分是瞬时脉冲流量，如果网络带宽不足，数据传输就会变慢，进而影响训练效率。

li(τ)为节点i在时间τ的运算负载率，从队列的视角考虑，li(τ)表示节点i在时间τ的队列长度；本文从信息物理融合的视角分析了数据中心能耗控制与优化问题，考虑算力信息侧与能量物理侧的耦合，建立数据中心算力-能效动态融合模型，研究算力控制与能效优化的协同作用。定义M为热力流网络中的节点数，并以各节点的温度为特征值，定义各节点输入和输出温度：Tin,i(τ)为节点i在时刻τ的输入温度，表示该节点从其他节点接收到的热流值，Tin,i(τ)为由所有热节点触发的二次循环和冷却效果的叠加影响；

传统的SVM难以解决特征稀疏问题，FM主要是为了解决数据稀疏的情况下特征怎样组合的问题.FM的主要思想是利用多维特征之间的交叉关系，利用矩阵分解的方法进行参数的训练.基本的符号表示为:假定每一条训练数据拥有特征属性x={x1,x2,…,xm}，其中xi表示第i个真实的特征值，m表示特征的数量，它的真实值y可代表用户是否进行了点击(或选择).非零特征交互对表示为(1)由于FM通常情况下只考虑2阶多项式模型，也就是特征两两组合的问题，假定最终需要求得的目标为预测值基础模型表达为(2)

摘 要 在小样本条件下，由于低数据问题，即标记数据较少且难以收集，采用传统的深度学习很难训练出一个好的分类器.最近的研究中，基于低维局部信息度量方法和标签传播网络(transductive propagation network, TPN)算法取得了较好的分类效果，并且局部信息可以很好地度量特征与特征之间的关系，但是低数据问题依然存在.为了解决低数据问题，提出基于多尺度的标签传播网络(multi-scale label propagation network, MSLPN)方法，其核心思想在于利用多尺度生成

定义1. 信息网络. 信息网络被定义为无向图G=(V,E,A,P,φ,φ)，其中，V表示节点集合，E表示关系集合，A表示节点类型集合，P表示关系类型集合，φ:V→A表示节点类型映射函数，φ:E→P表示关系类型映射函数.异质网络是具有多种节点和关系类型的信息网络，多样化的节点和关系共同描述了异质网络中的语义信息，见定义2.定义2. 异质网络[15]. 给定信息网络Gh=(Vh,Eh,Ah,Ph,φh,φh)，如果|Ah|+|Ph|>2，则称Gh为异质信息网络，简称为异质网络.

通过联邦学习在国内外的研究现状，可以看出其重要性与研究价值.联邦学习的提出和实现与边缘计算和深度学习息息相关.边缘计算为联邦学习的本地训练创造了条件，深度学习为联邦学习提供了理论依据和核心技术.本节首先介绍深度学习和边缘计算等背景知识，然后阐述传统数据隐私保护技术及其不足，从而引出联邦学习的概念、架构与分类，突出联邦学习的特点与优势，对比了联邦学习与传统分布式学习的区别，并总结了现有的联邦学习平台的特点.

摘 要 现场可编程门阵列(field programmable gate array, FPGA)极易遭受由空间高能粒子辐射引发的故障，进而影响片上任务的正常执行.目前常采用三模冗余(triple modular redundance, TMR)进行容错设计，尽管可以取得较好的容错效果但存在资源开销大的问题.尤其当辐射水平较低时，对全部任务采用三模冗余方式执行能使上述资源开销大的问题更加严重.针对此，提出了一种基于动态自适应冗余的容错方法(fault tolerance based on dynamic s

摘 要 卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而，CNN模型量化算法的加速器设计，通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此，提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN，从计算、通信和存储3方面进行联合优化，FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先，设计面向量化算法的组件，将量化算法自身的运算操作和数值映射过程进行分离；

现有的大多数研究者使用循环神经网络与注意力机制相结合的方法进行方面级情感分类任务。然而，循环神经网络不能并行计算，并且模型在训练过程中会出现截断的反向传播、梯度消失和梯度爆炸等问题，传统的注意力机制可能会给句子中重要情感词分配较低的注意力权重。针对上述问题，该文提出了一种融合Transformer和交互注意力网络的方面级情感分类模型。

图1和图2分别给出道路网络（路网）和社会关系示例，图2中的边代表用户之间的朋友关系。在图1中，用户u1位于r8处，提出查询关键字为{公园, 餐厅, 商场}，并希望和其余2个朋友同去。路网中的红色和蓝色分别标注一组满足查询关键字条件的兴趣点集合，查询返回的结果可以是{{u1,u2,u3},{r12,r17,r25}}或{{u1,u3,u5},{r20,r28,r21}}。

远程监督关系抽取是一种关系抽取方法，现有方法主要采用多实例学习，在具有相同实体对的样例包上进行关系抽取。但是，包级方法只能缓解却并不能完全解决错误标签问题。基于此，文中首先分析了干净数据和噪声数据的分布，提出了一种新的自适应损失函数；在此基础上，提出了一种基于自适应损失函数的句子级远程监督关系抽取方法。在公开数据集NYT-10以及基于TACRED的合成数据集上的实验结果表明：文中提出的方法优于对比文献中的方法，能够更有效地区分错误标签噪声样例和干净样例，提高了句子级远程监督关系抽取的准确率。

摘要: 为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题，在Yolov5的基础上，提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中，添加一个额外的检测头，以便增强对小目标的特征融合效果；在主干网络中分别采用GhostConv卷积模块、GhostBottleneckC3模块替换部分Conv模块和C3模块用以提取丰富特征和冗余特征以提高模型效率；引入加权双向特征金字塔网络（bidirectional feature pyramid network, BiFPN）结构，用

针对蚁群算法在三维路径规划时收敛速度慢且难以收敛至最优的缺点，提出一种新的改进蚁群算法，并将其应用于自主式水下机器人(autonomous underwater vehicle，AUV)三维路径规划。与现有算法相比，改进算法优点主要体现在3个方面：首先，引进伪随机状态转移概率提升算法全局搜索能力；其次，将距离和轨迹限定因子引入启发式函数，距离因子保证搜索不断趋近目标点，在轨迹限定因子约束下，轨迹累计转角更小，以此提升收敛速度和精度；

在城市道路行驶中，超车驾驶既是常见的驾驶行为，也是常见的交通事故工况之一。基于改进人工势场法（artificial potential field method）与模型预测控制(model predicition control)提出了一种避障规划控制方法。首先，构建目标点引力势场函数、道路及车道线势场函数以及障碍物车辆势场函数；其次，基于势场函数建立统一化模型函数；最后，对系统进行模拟实验评估。

特征选择与融合是提升脑电信号情绪解码精度的重要手段之一。然而，当前脑电情绪解码中的特征选择方法常忽略了脑电信号内在数据结构的隐含信息。该文提出一种基于近邻传播聚类的多任务特征融合方法，通过L2,1L2,1范数约束实现稀疏特征选择，同时利用图拉普拉斯正则化保持不同子类间的潜在关系。该算法在不揭示真实样本标签的情况下，在子任务空间有效融合脑网络空间拓扑结构信息和微分熵信息，为高精度脑电信号情绪解码提供具有更高情绪表征能力的特征。

目前基于点云的三维目标检测方法未能充分利用点云局部几何特征，导致对点云稀疏的目标检测效果不佳。为此，本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN, VGT-RCNN)。通过多尺度体素特征插值计算网格中心点特征；在多尺度非空体素特征上构造局部图；通过图注意力机制对体素特征进行加权平均，充分提取并利用目标的局部几何特征完成检测。

医疗垃圾中存在大量的病毒和细菌，为解决医疗垃圾源头智能分类问题，开发了基于机器视觉和Delta机构的智能分拣平台样机，并提出一种三阶段的多目标医疗垃圾识别分拣（medical waste recognition- indexes-sorting，MWRIS）算法。第1阶段提出数据增强扩容的IE-YOLOv4算法建立起医疗垃圾识别模型，与Faster R-CNN、RetinaNet、CenterNet等5种模型比较；第2阶段索引分类模型用于管理分类规则；第3阶段定位分拣算法指导目标定位分拣。

现有的光流估计网络为了获得更高的精度，往往使用相关性成本量和门控循环单元(gate recurrent unit，GRU)来进行迭代优化，但是这样会导致计算量大并限制了在边缘设备上的部署性能。

【摘 要】借助低轨卫星星座全时全域覆盖优势，手机直连卫星通信预期成为6G重要特征之一。首先介绍了手机直连卫星的测试验证、标准化与商业项目发展现状。其次，介绍了基于透明转发、部分可再生处理、完全可再生处理、集成接入和回传的四种手机直连低轨卫星网络架构及组网方式。通过分析手机直连低轨卫星网络场景下高移动性与大传输时延等带来的接入与传输问题，提出对地面移动通信体制进行适应性改进的关键技术方案。最后，探讨了未来手机直连低轨卫星发展发向和潜在思路。通过上述阐述与分析，提供未来发展手机直连低轨卫星通信的可行路径。【关

【摘 要】详细探讨了数字孪生技术在空天地一体化通信中的具体架构，以及网络优化方面的应用。将数字孪生分为虚拟空天地一体化网络和智能决策层。虚拟网络是对物理空天地通信网的精准映射，支持实时监控和测试验证功能。在智能决策层，通过环境感知与业务预测实现网络优化。最后，验证了面向空天地一体化的数字孪生技术在动态通信网络优化中的巨大潜力，为网络优化的未来发展提供了创新思路。【关键词】数字孪生技术；空天地一体化网络；环境感知；业务预测；网络优化0 引言随着通信技术的快速发展，2020年2月，国际电信联盟启动了第六代

【摘 要】在偏远、危险地区，机器人可感知环境、智能交互，协同完成复杂任务。以卫星和无人机为主体的天空地协同网络能够为这些机器人提供全域泛在、随遇接入的通信服务。首先，分析无人作业发展趋势和机器人通信需求。基于此，面向机器人通信的特点，建议跳出“信息传输管道”的传统视角，在支持信息传输的同时，关注信息的内容和价值。进一步综合考虑机器人通信中信息生成的动作及其反馈，提出潜在技术变革的切入点。具体地，从结构化通信资源配置、机器人行为调控和感-传-算-控闭环模型三个方面阐述维纳控制论启发的通信范式变革途径。【关键

【摘 要】低轨卫星网络具有低成本、大容量、广覆盖的特性，是未来空天地海一体化网络中的重要支柱和6G网络的关键组成部分，开展链路分析对于低轨星座链路设计与优化具有重要意义。由于低轨卫星移动性强、星地电磁环境复杂、链路较长等特点，星地信息传输与传统地面移动通信有着显著差异。根据低轨星座的特性构建星座网络的随机几何BPP模型，并针对低轨星座空间分布及移动特征，分析了单星及多星场景下的损耗、干扰等对星地通信链路的影响。通过给出星座系统干扰期望计算方法，并基于所构建BPP网络对星地通信链路特性进行仿真。仿真结果表明

【摘 要】在面向6G的移动通信网络中，低轨卫星网络（LEO, Low Earth Orbit）运行高度低、时延小，可大范围部署实现全球广域低时延通信。当前低轨卫星星座正朝着多层轨道面发展，多层轨道的跨层链路增加了数据传输路径，但跨层轨间链路的频繁通断，增大了多层LEO网络层间路由选择的难度。为此提出了一种面向6G移动通信的多层LEO卫星网络路由算法。首先建立跨层链路，面向端到端传输时延和可靠性需求，分析影响跨层轨间链路频繁通断的因素，基于LEO卫星网络虚拟位置思想，选择卫星节点对建立可靠跨层链路；然后实

【摘 要】卫星网络因具备弥补地面网络覆盖盲区的特性，成为6G网络实现泛在连接应用场景的关键技术之一。为了实现卫星网络和地面网络间高效的资源融合管理，首先简要介绍了星地融合网络的发展现状，总结了星地融合网络资源管理技术的研究现状以及面临的挑战。其次，对6G星地融合网络下的移动性管理、跨域多维资源管理和统一的空口协议设计等关键技术进行分析，并基于对现有研究的探讨给出解决方案。最后，对未来面向6G的星地融合网络资源管理的发展提出了新的展望。【关键词】6G网络；星地融合网络；移动性管理；资源管理；空口协议0

【摘 要】目前地面蜂窝网络无法实现全球广域覆盖，同时抗毁性不高。低轨卫星网络的加入，弥补了地面蜂窝网络的不足。二者协同成为星地协同网络后可以打破两种网络之间互相独立的现状并结合它们的优点，是未来的发展趋势。在对星地协同网络中海量设备产生的大量数据进行分析处理时，易出现隐私信息泄露和数据孤岛问题。为解决上述问题，提出一种包含分层聚合和用户关联策略的联邦边缘学习算法。该算法通过分层聚合来适配星地协同网络，并通过用户关联策略实现时延和模型精度的联合优化。仿真表明，所提出的算法可以使协同网络中进行联邦边缘学习的全

【摘 要】面向6G的星地融合网络将实现地面通信和卫星通信的系统级深度融合。为了应对星地融合网络的高动态、分层分布等特征带来的多维多域异构资源的管理和编排挑战，提出一种面向星地融合网络的统一编排架构，实现星地融合网络中多层多域网络的资源、功能、服务等多要素的统一编排。基于该架构，提出分布式自治技术用于多层多域网络的按需部署和灵活组网，以及提出算网协同技术用于多维资源的云边协作从而提升用户体验质量。最后，通过自研的实验平台完成了对星上新型编排管理系统的可行性验证。【关键词】星地融合网络；编排架构；算力网络；分

【摘 要】空间信息网络是星地融合网络中一个重要组成部分，其拓扑具有时变性和可预测性。采用一个合适的时变图模型来表征时变的空间信息网络，对于空间信息网络性能分析至关重要。首先阐述了空间信息网络的特性，然后介绍了多种空间信息网络时变图模型的建模方法，包括快照序列图、时间扩展图、存储时间聚合图和多功能时间扩展图，并且分析了它们的特征和优缺点，为6G星地融合网络的研究奠定基础，为网络性能分析提供了理论支撑。【关键词】星地融合网络；空间信息网络；时变图0 引言未来6G网络的关键特征和期望之一是提供全球无缝覆盖，