应用支撑平台的安全保障体系

上海市政务外网统一应用支撑平台（以下简称“应用支撑平台”）是上海市政务外网的一个重要组成部分。上海市于2006年建成了市政务外网骨干网，并将各区县、市级委办局、功能区及市级直属单位接入至政务外网骨干网，形成了统一的政务外网物理网络平台。应用支撑平台基于上海市政务外网物理网络平台，为在政务外网上运行的各类应用系统．尤其是跨部门协同应用系统，提供信息共享、     

车载信息系统与驾驶安全研究综述

作为新的技术和经济增长点,微型电子计算机、无线电通讯、卫星导航等新技术、新设备和新方法已开始广泛应用于汽车工业中.汽车的信息化进程正在逐步加速.但根据多资源理论,以显示查看和信息输入为主要形式的车载信息系统应用任务会分散驾驶员在行驶过程中最重要的视觉注意力,与主要驾驶任务在视觉和认知等多种有限资源形成竞争,从而影响驾驶安全.研究发现,车载信息系统使用任务造成的注视次数和注视时间与汽车的碰撞危险有直接关系,并降低了驾驶员对关键交通事件的探测识别能力和对车辆的控制能力.因此,车载信息系统在行车中的安全性设计非常重要,其研究要点包括人机交互方式、驾驶员行为特征等,研究方法则包括实际道路测试、仿真环境测试、简单实验室测试等.     

能量管理系统中在线动态安全评估的研究

在线动态安全评估是能量管理系统(EMS)中的重要功能,文章在EMS中实现了一种实用的快速在线暂稳分析方法,通过在广西系统中实际运行证明,结合时域仿真法和直接法的综合法是一种可行的在线动态安全评估方法.分析和改进了预估-校正法,保证暂稳分析方法在多重多时段复杂故障下的快速性和准确性.设计了考虑电力系统复杂模型的在线动态安全评估系统的基本结构和功能,指出时域仿真法是在复杂模型下进行动态安全评估不可缺少的高精度决策工具.     

科研单位保密管理的部门组织作用

<正>科研单位根据其性质的不同,在工作中会产生大量的国家秘密、科技秘密和商业秘密。这些秘密和涉及的知识产权需要控制一定的知悉范围并进行保护,以保障其各类信息的安全。通常单位都重视保密委员会和保密工作机构对科研单位保密工作的作用,而忽视了基层的部门保密组织的重要性。基层的部门保密组织对整个科研单位保密工作的开展具有重要的保障作用。     

渤海某石油平台氮气系统安全稳定性分析及故障的排除

利用“关联图”的方式进行海洋平台氮气系统负荷高影响因素的分析,找出5个末端因素后,通过现场试验、查阅记录、实地调查和核算完成要因选择,最终确认导致氮气系统负荷高的主要原因为制氮空压机加卸载频繁。现场针对要因应用5W1H原则制定了将膜组之前的隔离球阀更换为一台调节阀对策,方案实施后切实提升了渤海某海洋石油平台氮气系统的安全稳定性。     

基于秘密共享的本地多节点联邦学习算法

深度学习技术在各个领域中的应用越来越广泛,而深度学习模型的准确性需要依靠大量的训练数据。由于数据安全和法规限制,许多领域存在无法集中数据进行训练的情况,导致“数据孤岛”的现象。对此,谷歌提出能使大量客户端在数据保存本地的情况下与可信服务器联合训练模型的联邦学习。目前,联邦学习的研究主要集中在安全性和训练效率的问题上,针对跨数据库联邦学习场景,文章将分层联邦学习和基于安全多方计算的隐私保护机制结合,提出了一种基于秘密共享的本地多节点联邦学习算法Mask-FL,以保证联邦学习安全性的同时提高训练效率。主要工作包括：(1)提出本地多节点的跨数据库联邦学习框架,客户端利用本地计算资源生成多个本地节点,并且根据基于计算能力的数据划分方法进行分配数据资源,每个客户端代表局部所有节点参与全局联邦学习训练,从而构成3层级的分层联邦学习;(2)提出基于秘密共享的自适应掩码加密协议,在前面提出的联邦学习框架基础上,通过秘密共享的方式生成可复用的安全参数掩码,本地节点在训练过程的上行通信中对模型添加掩码从而保护模型参数安全。经过安全性假设分析证明,该算法可保护客户端的数据隐私安全。在通用数据集的实验表明,该...     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

工人不安全行为智能识别与矫正研究

针对当前基于行为安全(BBS)的研究存在不安全行为数据未充分利用、分析能力不足、矫正缺乏针对性等问题,构建了基于BBS和机器视觉的工人不安全行为智能识别与矫正框架体系．该框架体系主要包括不安全行为智能识别、行为安全个性化培训和不安全行为智能预测,并被应用于武汉两湖隧道工程．研究结果表明：该框架系统从基于场景的不安全行为自动化识别、基于自适应学习的行为安全个性化培训和基于现场工人运动轨迹的不安全行为预测三个方面,实现了对工人不安全行为的“事中-事后-事前”管理,为探索机器视觉技术支持的行为安全管理提供了新思路．     

基于国密SM2的智能网联汽车安全认证方法研究

由于车载CAN(Controller Area Network)总线是网络攻击源头,车载数据以明文形式传输易被监听、篡改,无认证域的消息和总线仲裁机制易遭受网络攻击,为解决汽车信息安全问题,提出基于SM2非对称加密算法。运用多倍点运算策略,采用公钥加密,私钥解密,开展车载节点身份认证和数据加解密,根据车载CAN总线特性,采用报文分组协议传输SM2算法密文。将国密SM2算法移植到国产GD32F103为核心的嵌入式设备,模拟智能网联汽车重要部件TBOX(Telematics-BOX)与PEPS(Passive Entry Passive Start)的CAN通信,通过Kavaser CANKING和Sealaselogic8平台分析验证SM2算法应用于嵌入式设备是有效可行的,并保证节点数据合法性和机密性,且适合车载设备的单次身份认证场合。国密SM2算法对智能网联汽车安全认证方法研究提供了新的路径。