Steganalysis of neural networks based on parameter statistical bias

Many pretrained deep learning models have been released to help engineers and researchers develop deep learning-based systems or conduct research with minimall effort. Previous work has shown that at secret message can be embedded in neural network parameters without compromising the accuracy of the model. Malicious developers can, therefore, hide malware or other baneful information in pretrained models, causing harm to society. Hence, reliable detection of these vicious pretrained models is urgently needed. We analyze existing approaches for hiding messages and find that they will ineluctably cause biases in the parameter statistics. Therefore, we propose steganalysis methods for steganography on neural network parameters that extract statistics from benign and malicious models and build classifiers based on the extracted statistics. To the best of our knowledge, this is the first study on neural network steganalysis. The experimental results reveal that our proposed algorithm can effectively detect a model with an embedded message. Notably, our detection methods are still valid in cases where the payload of the stego model is low.     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

概率法在煤层气储量估算中的应用

煤层气田在勘探评价初期,储量估算参数往往存在一定的分布区间,采用体积法估算储量难以给出确定结果.针对此类问题,以M煤层气藏为例,利用概率法估算储量,围绕储量估算参数(储层面积、厚度、含气量),结合地质分析和储量参数样本分别建立理论分布模型(三角分布、正态分布、对数正态分布、威布尔分布、伽马分布)和任意分布模型;利用Kolmogorov-Smirnov(K-S)检验和卡方检验对相关理论分布模型进行拟合度优选;确立储层面积采用三角分布和正态分布模型,储层厚度采用威布尔分布和任意分布模型,储层含气量采用伽马分布和任意分布模型,并形成4组不同模型组合方案,再利用蒙特卡罗方法对储量进行估算.结果表明:任意分布模型服从原始样本分布,置信区间较窄,理论分布模型则体现过滤作用,两者对储量估算结果有一定影响;储层含气量对储量估算结果影响较大;概率法可以排除人为因素,估算出不同概率级别下的储量,从而起到降低决策风险的作用.     

NACA埋入式进气口气动特性试验设计优化

为了优化(美国)国家航空咨询委员会(National Advisory Committee for Aeronautics,NACA)埋入式进气口气动特性,基于计算流体力学(computational fluid dynamics,CFD)数值方法,以阻力、总压恢复系数、出口质量流量和出口马赫数为性能指标,对3个关键几何参数进行了试验设计(design of experiments,DoE).基准工况结果表明,在进气口斜坡侧边靠近主流处有轴向涡产生.DoE结果表明,斜坡角度对性能指标影响大,斜坡扩张角角影响小,出口转折半径对阻力和出口质量流量影响大,且斜坡角度一定时折转半径越小越好.斜坡角度越小,前缘位置马赫数越小,涡管越长,同一截面速度分布越均匀,因此总压恢复系数和出口质量流量越大,且出口气流不均匀度小,气动性能佳.     

基于知识图谱的核电设备健康管理知识建模与分析

随着信息技术发展,设备健康数据与知识图谱技术结合为设备健康发展带来新的发展机遇,知识图谱利用其多种特异性优势,使企业系统中积累的海量设备维修数据得到有效整合利用.本文提出基于知识图谱的核电设备健康管理知识建模与分析方法,并根据实体关系模型构建维修知识图谱本体框架,同时基于核电企业实际的维修工单数据,从统计分析和关联分析两方面取得良好的实践效果.研究结果表明,知识图谱能够在设备维修知识的集成上解决传统的数据孤岛问题,同时能基于故障的可视化分析为维修人员和管理人员提供决策和知识支持.     

带有仿生环形剪切腹板风机叶片抗弯强度

随着风力机叶片日趋长展化,对其抗弯性能的要求也日益提高。受毛竹竹节规律性分布及其隔板支撑竹竿结构的启发,本文提出在叶片内部添加环形剪切腹板,建立带有环形剪切腹板的叶片受力模型,利用MATLAB软件,以一台750kW风力机为研究对象进行数值仿真,得到翼型截面惯性矩Iy,最大应力σmax和翼型相对厚度减小量ΔD分别随内弦长与外弦长之比?和叶片展长x的变化趋势。结果表明,叶片根部的抗弯性能显著提高；当比值?设为0.4时,环形腹板叶片与实心腹板叶片的抗弯强度几乎相同,且环形腹板的使用可以使叶片总质量更轻。     

Impact of the RMB Joining in the SDR Basket on Its Internationalization from the Perspective of Risk Spillover

For evaluating the influence of the Chinese renminbi(RMB) joining in the special drawing right(SDR) basket on RMB's internationalization, the authors systemically study the risk spillover networks and examine the dynamic relationship of exchange rates among the SDR currencies including the US dollar(USD), European Union euro(EUR), Japanese yen(JPY) and British pound(GBP).The empirical results demonstrate that the USD takes a dominant position and holds the biggest risk spillover to other currencies, and the RMB's inclusion to the SDR basket makes the risk spillover to get average, giving rise to the SDR currency system more stable to a certain degree. The inclusion of the RMB in the SDR not only can reduce the systematic risk of the SDR, but also has a certain impact on the international exchange rate markets. Nowadays, in front of the growing trade friction, more such researches could help to effectively deal with the currency disputes.     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。