融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题，导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块，即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块，获得高质量的知识扩展信息，并对未链接实体分类任务进行知识增强；针对未链指实体提及的分类问题，提出一套生成式框架，该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力，缓解未链接实体分类中的信息不充分问题。     

基于威胁规避的战斗机网络瞄准攻击引导轨迹优化

针对网络瞄准攻击对战斗机精确引导的需求,研究威胁规避下的战斗机攻击引导轨迹优化问题。以战斗机过载为控制量建立引导状态模型;以目标威胁建立引导路径约束模型;以导弹发射瞄准条件为终端约束;以引导的快速性和控制经济性为性能指标,将轨迹优化建模为具有非线性边界约束、状态约束和路径约束的最优控制问题,并采用高斯伪谱法将其转化为非线性规划问题进行求解,为了保证算法的实时性,采用滚动时域策略进行在线滚动优化。仿真结果表明:所提出的方法能在有效规避目标威胁下达成导弹攻击的瞄准条件，基于RHC策略的优化单次计算时间小于1 s,算法实时性能满足战斗机的引导需求。     

基于深度学习的威胁情报领域命名实体识别

为了从来源不同的威胁情报中提取关键信息，方便政府监管部门开展安全风险评估，针对威胁情报文本中英文混杂严重以及专业词汇生僻导致识别困难的问题，在BiGRU-CRF模型基础上，提出了一种融合边界特征以及迭代膨胀卷积神经网络(IDCNN)的威胁情报命名实体识别方法.该方法根据人工构造的规则词典将边界清晰的实体例如英文单词进行转化以减少模型在处理较长文本时容易造成的信息损失，通过IDCNN和双向门控循环单元(BiGRU)进一步提取了文本的局部和全局特征.通过在威胁情报语料库上进行实验，结果表明所提的方法模型在相关评价指标上均优于其他模型，F值达到87.4%.     

基于Shapley-TOPSIS的辐射源威胁评估

针对雷达对抗领域辐射源威胁评估问题,利用基于Shapley值的优势关系粗糙集客观权重分配法克服主观赋值、不依赖先验知识的优点,与TOPSIS(逼近理想解排序)结合,提出一种基于Shapley-TOPSIS的辐射源威胁评估模型。首先,区分收益型和成本型对属性指标进行规范化,构建目标集与属性集的评判矩阵;然后,利用优势关系进行属性约简,并基于Shapley值确定各属性权重,再利用属性权重更新评判矩阵;最后,计算得到模型的正、负理想解,分别求解各辐射源的贴近度,进行辐射源威胁等级排序。仿真结果表明,与基于专家系统赋值的TOPSIS模型相比,文中模型综合考虑了各属性的相互关系,威胁等级排序结果更准确。     

基于深度学习的空中目标威胁评估方法

针对空中目标威胁评估因素多、现有评估方法缺乏自学习能力的问题，采用深度学习理论建立了空中目标威胁评估的深层神经网络模型。为了提升模型训练的拟合效果，提出采用对称式的预训练方法，逐层地对模型中的隐含层进行预训练，最后对模型进行整体训练。分别通过样本测试集和空空仿真场景进行验证测试，结果表明：采用对称预训练方法，模型的威胁评估准确率高于其他三种预初始化方法；模型具有较好的鲁棒性，在无噪声下准确率大于90%，10%的正态噪声下，准确率大于70%。     

基于隐马尔可夫模型的电力信息系统动态威胁定量分析

针对典型电力信息系统的网络威胁定量评估问题，提出了基于网络入侵检测系统（network intrusion detection syetem，NIDS）报警信息和隐马尔可夫模型的网络威胁动态分析方法HMM-NIDS。该方法充分利用NIDS报警信息，从优先级、严重度、资产值和可信度4个方面分析NIDS报警信息，给出了报警威胁定量描述和分类方法，优化了隐马尔可夫模型中的观测矩阵；基于贝叶斯网络分析攻击成功的可信度，避免NIDS误警信息干扰；基于改进的隐马尔可夫模型，融合得到系统的动态风险量化值。基于Darpa2000实验场景模拟DDoS攻击，通过对比实验，验证了所提方法的有效性和优越性。     

无人机集群自组织搜索仿真模型设计与实现

城市威胁背景下无人机集群自组织搜索移动目标问题，是无人机集群作战应用的一个重要发展方向。采用基于Agent的复杂系统建模仿真工具，构建了无人机集群搜索仿真模型框架，设计实现了无人机集群自组织搜索模型。在考虑无人机集群作战可能受到威胁的背景下，展示了无人机集群自组织搜索概念，探索了使用基于概率的有限状态机模型实现集群自主决策的解决方案，并通过案例进行了分析验证。该仿真模型为无人机集群作战应用研究提供了参考案例、模型支撑和实验平台。     

基于可能度的语言直觉模糊PROMETHEE多属性群决策

针对权重信息未知的语言直觉模糊多属性群决策问题, 提出了一种基于改进的可能度和偏好顺序结构评估法(preference ranking organization method for enrichment evaluations, PROMETHEE)的语言直觉模糊多属性群决策方法。首先，基于Atanassov偏序和犹豫度, 改进语言直觉模糊数的可能度, 并证明其具有互补性、传递性等良好性质。其次，基于改进的可能度, 通过最大化决策者在属性上的加权平方可能度, 构造多目标规划模型, 求得每位决策者的属性权重。然后，建立群体共识反馈模型, 提高群体共识度, 结合修正的偏好关系和决策者主观权重, 提出修正系数来确定决策者权重。最后，通过实证分析验证该方法的可行性和有效性。