云计算下网络安全存在的问题及防护策略

在现在科学技术发展的推动下,新兴技术作为推动社会发展的创新新力量逐渐涌现,近年来被社会广泛关注的新兴技术以云技术为典型代表。云计算是一种近年来传统计算机模型基础之上的一种智能化数字模拟预处理技术,该模式打破了传统的数字处理与存储方式,实现了智能化数字处理的效率性与实用性齐头并进,虽然该种技术有着传统技术说不可比拟的优越性,但现在面对复杂的网络环境时也存在相应的安全问题,如数据都丢失、数据盗窃以及大量的木马病毒流行等问题。基于此,本文对云计算网络安全存在的问题以及防护策略进行讨论。     

"一带一路"中国地方性政策的文本量化研究

"一带一路"对世界经济及我国民生的发展和改善发挥了积极作用,自"一带一路"实施以来,中国多个相关省、自治区、直辖市围绕自身特点积极布局,发布了一系列地方性"一带一路"相关政策.文章基于关键词词频—逆文件频率(TF-IDF),对中国"一带一路"沿线各省、自治区、直辖市在2014—2020年颁布的"一带一路"相关的政策文本进行量化分析和研究,通过可视化关键词的地理分布和构建的关键词网络发现,社团内部地区间的政策相似性主要并不取决于权重较大的关键词,而是由更多较小权重关键词共同决定的.文章还利用显性比较优势(RCA)进一步量化了各地的政策关键词的显性差异,得出各省、自治区、直辖市在政策关注上具有不同侧重的结论.     

基于距离和角度辅助的覆盖空洞修复算法

针对无线传感器网络中的覆盖空洞问题,提出了一种距离和角度辅助的覆盖空洞修复策略(DAAHP)。DAAHP算法在空洞边缘节点的通信范围内激活与其位置最优的冗余节点替换失效节点,从而达到修复覆盖洞的目的。结果表明,对于同一形状大小的覆盖空洞,与DFNFP算法和DACHP算法进行对比研究,DAAHP在覆盖空洞修复面积以及节点利用率方面都有明显的优势。     

搭建Sakai复旦共享版的Eclipse开发环境

本文介绍了在Eclipse开发环境中应用Maven、Tomcat和Mysql搭建著名开源网络教学平台Sakai复旦共享版方法,旨在为我国高校基于Sakai网络教学平台进行二次开发提供友好集成开发环境。     

网络监控系统在高校实训室管理中的应用

该文主要从高校实训室的监控管理出发,分析实训室管理的现状和传统监控系统存在的问题,结合现在网络技术和监控技术的发展情况,提出于高校实训室管理中结合网络监控系统的新方法,进一步减轻管理员工作量,提高效率和实训室的设备安全、稳定性.     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。     

具有关键字搜索性质的云存储加密方案

Dan Boneh等人提出了具有关键词搜索性质的公钥加密方案,并且构造出了在随机预言模型下可证明安全的基于BDH困难问题的双线性映射对下的具体构造.本文给出了一个具有关键字搜索性质的高效云存储加密方案,而且在随机预言模型下可证明CCA-安全.该方案能够安全高效的管理云服务器中的加密文件,能够对已经加密的文件进行相等配对.构造方案能够在无安全信道环境中传输陷门Tw.     

航空航天网络聚合平台建设的实践研究

沈阳航空航天大学图书馆建设航空航天网络聚合平台的建设是承接起特色资源与服务读者之间的纽带。本文介绍网络聚合的含义和特点;通过航空航天网络聚合平台的建设中对KSpider网络信息资源采集系统、筛选航空航天网站、平台栏目设置、平台内容链接方面进行了解,本人提出几点平台建设必要条件。     

熊出没之夺宝熊兵

正导演:丁亮主演:熊大,熊二,光头强,嘟嘟,吉吉,毛毛类型:冒险,动画,喜剧,家庭出品公司:深圳华强数字动漫有限公司制片国家/地区:中国大陆观赏指数:★★★★★剧情介绍一场漆黑雨夜的意外事故,一段笑料十足的误打误撞,将两个外表相似却内容各异的箱子调换。光头强始料未及,自己的"宝贝箱"已经变成了藏有"神秘宝贝"的箱子;更出他意料,"神秘宝贝"正将他和老对手熊大、熊二一步步推进一个巨大的秘密当中。啼笑皆非间,光头强、熊大、熊二的生活发生了天翻地覆的变化,     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。