转弯航行舰船开尔文尾迹散射特征研究北大核心CSCD

[目的]旨在研究转弯航行状态下舰船产生的开尔文尾迹及其电磁散射特征,为舰船非线性尾迹检测和识别提供理论支撑。[方法]基于已有的开尔文尾迹建模方法和坐标变换,根据转弯航行方向,获得转弯航行舰船产生的开尔文尾迹。利用半确定性面元散射模型(SDFSM)对转弯航行舰船产生的弧形开尔文尾迹进行雷达电磁散射特性仿真分析,计算对比海背景下直线航行舰船开尔文尾迹和转弯航行舰船开尔文尾迹在不同船速及航行角度条件下的面元散射系数分布。[结果]转弯航行舰船开尔文尾迹各成分波在几何模型上存在与直行尾迹不同的几何特征,复合直行开尔文尾迹及转弯航行开尔文尾迹不同成分波在垂直接收-垂直发射(VV)极化条件下的面元散射系数分布图中不同区域表现出具有显著差异的散射特征。[结论]开尔文尾迹散射系数分布图的亮暗度和尾迹不同成分波的波矢量方向与雷达视向的相对关系密切相关。研究结果可为舰船信息感知和探测识别以及隐身等应用提供理论依据。     

面向铁路客运场景的对抗鲁棒性人头检测模型

基于人头检测的人群数量估计算法能为铁路客运车站应对突发客流、防止人群聚集提供有效的决策辅助，但人头检测使用的深度学习模型易受到对抗样本影响。为提升深度学习模型的对抗鲁棒性，建立了基于RetinaNet算法的人头检测模型；在Brianwash数据集上分别使用快速梯度符号法（FGSM,Fast Gradient Sign Method）和投影梯度下降（PGD,Projected Gradient Descent）2种对抗攻击方法生成对抗样本，初始模型在对抗样本数据集上的m AP值均有显著下降，验证了对抗攻击对模型性能影响的有效性；再对模型进行对抗训练，对抗训练后的模型在各类对抗样本验证数据集上的m AP值均有显著提升。实验结果表明，对抗训练后的人头检测模型能有效防御对抗样本的攻击，提升模型检测性能和对抗鲁棒性。     

基于禁忌搜索的随舰备件优化配置方法

为解决舰船装备保障要求高与备件资源存储空间有限的矛盾，提出一种基于禁忌搜索算法的随舰备件优化配置方法。采用多智能体技术建立装备维修保障工作流程的仿真运行模型，通过仿真计算备件的满足率和利用率，评估给定配置方案下的保障效能，并得到一组可行的初始方案；在此基础上，以规定的备件满足率为约束条件，以备件携带数量为优化目标，结合多智能体评估模型和禁忌搜索算法对备件配置方案进行优化求解。以舰炮装备为例对该优化配置方法的有效性进行验证，结果表明所提方法具有较强的有效性和优越性，可供随舰备件配置方案的设计参考。     

基于AFC-TARA的车载网络组件风险率量化评估分析

信息安全设计的首要步骤是威胁分析与风险评估（threat analysis and risk assessment,TARA），以此确定安全需求和目标，为信息安全正向开发及安全漏洞修复提供依据。然而，当前TARA分析仅能对恶意攻击及安全漏洞的影响进行评估，即不支持对防护策略效用的量化评估。为此，本文提出了一种攻击和修复相结合的威胁分析与风险评估（attack and fix combined threat analysis and risk assessment,AFC-TARA）方法。通过将系统级车载网络架构的安全状态转换为连续时间马尔科夫链模型，并将转移速率与漏洞挖掘、漏洞修复及安全防护策略相关联，进而实现综合考虑攻击变量与防御变量的系统级车载网络架构安全分析与评估。     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

基于CB-CNN与分割残差优化的列控系统网络攻击流量检测

复杂环境中的列控系统容易遭到各类网络流量攻击，现有的攻击流量检测方法往往特征选择差、稳定性较弱，导致检测精度较低。为此，提出一种通道增强卷积神经网络与分割残差优化的攻击流量检测方法。首先通过降噪式自动编码器对正常流量进行建模，同时使用无监督训练将原始特征空间转换为重构特征空间；然后利用通道增强使相关误差向量转化为分类器的多通道输入变量；最后为增加神经网络的特征表示多样性，设计一种多路径的分割残差网络来优化CB-CNN,通过学习不同维度级别的流量特征来优化分类。实验结果表明：所提方法具有较好的训练性能，NSL-KDD数据集与真实铁路安全网络中获得的平均精确率分别为94.573%与96.78%。在误报率较低的同时均具有较好的分类可视化效果。综合对比其他检测方法，提出方法检测实时性较好，能够适用于复杂场景的列控系统网络攻击检测，在噪声存在时具有较好的鲁棒性。     

突发事件下中蒙跨境物流网络风险评估

我国是蒙古国最大的进出口贸易国，货物的流通依赖于稳定安全的物流网络，而突发事件的发生会对物流网络造成严重影响。本文基于地级市维度的公路网和口岸节点构建了中蒙跨境物流网络，结合中蒙贸易数据及复杂网络理论，针对突发事件对网络节点、连边的破坏过程进行了网络攻击仿真，从网络的可用性、能控性、网络风险效率和网络损失效率等方面分析了跨境物流网络的运作风险。仿真结果表明，靠近口岸、贸易量较大的节点对于物流网络的稳定运行具有较为关键的作用，同时在保证这些物流节点安全的前提下应重点关注介数较高的连边。     

基于孤立森林算法的铁路通信网潜在攻击检测方法研究

针对当前铁路通信网潜在攻击检测方法在识别异常攻击时忽略了对数据的降维处理,导致检测效率偏低、误报率和漏检率较高等问题,提出基于孤立森林算法的铁路通信网潜在攻击检测方法。将铁路通信网样本集通过数据类型划分为多个子集,通过对主成分进行分析,最大限度地减少不同子集间的降维影响,使各子集降维达到最佳;基于降维处理的数据,构建孤立森林潜在攻击检测器,判断数据异常行为;基于孤立森林算法更新铁路通信网潜在攻击检测器,实现铁路通信网潜在攻击检测。仿真试验结果:测试样本数量增加时,该算法的检测速率保持在90%以上,误报率和漏检率均小于等于0.02%,表明该方法在铁路通信网潜在攻击检测上具有一定的应用价值。     

AHP策略下CTCS网络安全风险评估方法

工业控制系统的网络安全风险评估通常受多种不确定性因素的影响，为有效降低评估过程中专家主观因素和其他不确定性因素对评估结果造成的影响，提出一种基于攻击树和层次分析法（Analytic Hierarchy Process,AHP）策略的网络安全风险评估方法，并将其应用于中国列车运行控制系统（Chinese Train Control System,CTCS）的风险评估实践。首先，分析CTCS结构及其安全威胁，并基于安全威胁构建攻击树模型；其次，研究CTCS安全事件的产生机制，基于AHP策略分析安全事件可能导致的损失，将不确定性因素纳入安全事件发生概率的计算，通过安全事件发生概率及其损失计算出CTCS的风险值，当被评估对象为新上线系统或专家评估经验不足时，为降低数据波动引起的评估偏差，计算时去掉安全事件概率的最大值和最小值；最后，基于所提方法开展风险评估试验并进行仿真。结果表明：考虑攻击不确定因子和影响因子，风险评估结果在较低风险至中风险连续区间内的分布率接近100%，相对于未考虑不确定性因素的情况，风险评估结果在连续区间的分布率提升了近15%；去掉安全事件概率的最大值和最小值时，风险评估结...     

中压直流综合电力系统装舰关键工艺

舰船综合电力系统的装舰工艺有一定的特殊性。对中压直流综合电力系统进行研究,分析其安装中存在的工艺需求并针对性地给出解决措施和方法,为中压直流综合电力系统的装舰提供工艺基础。