使用有安全保障的闪存存储构建安全的汽车系统

最新设计资源

地铁运营岗位应急处置培训的语音识别研究[通信与网络][通信网络]

地铁交通运营是一种整体性活动，离不开各部门间的协调配合,地铁运营岗位应急处置培训系统应用于多个岗位的联合培训。该系统通过语音识别来实现模拟岗位间语音交互及对培训过程智能评价的功能。提出的语音识别方法可实现离线网络下对地铁培训专业术语的高识别精度，利用深度全序列卷积神经网络（DFCNN）和链接时序分类（CTC）构建声学模型，对应急处置培训用语进行整理并构建专业术语库，基于统计学构建语言模型。实验结果表明，该语音识别方法能够有效识别地铁应急处置培训用语，为地铁运营岗位人员的培训和考核提供更全面的评价指标。

发表于：2022/7/5

基于方向一致损失的轻量车道线检测[通信与网络][汽车电子]

目前，轻量型车道线检测网络存在弯道检测效果差、网络感受野不够与实时性受限等问题，故提出了一种改进的轻量型车道线检测网络模型。首先，为提高弯道检测效果，设计了一种方向一致损失，以使模型适用于弯道场景。其次，为在增强网络实时性的同时提高其感受野，提出将自注意力机制与RepVGG相融合的网络作为模型的主干网络。该模型在CULane测试集上测试的总F1-measure达到了70.7%，在Tusimple测试集上测试的准确率达到95.92%，其平均推断速度达到了408 FPS。实验结果表明，该模型相较于目前轻量型模型在性能上有一定的提升，尤其对弯道场景下的车道线检测效果提升明显。

发表于：2022/7/5

民用无人机领域数据与飞行安全法律规制研究[通信与网络][航空航天]

无人机技术是当今工业互联网发展的助力之一，尤其是5G技术与无人机技术的结合成为推动工业向数字化转型升级的重要力量。但是，在无人机大规模应用的同时，也不能忽视其给行业带来的风险与挑战。主要讨论民用无人机存在的隐私侵权问题及其造成的数据安全问题和“黑飞”问题，并对比中外法律法规提出有关法律体系建设的建议。

发表于：2022/7/5

大数据技术中的隐私保护法律问题[通信与网络][信息安全]

大数据技术广泛应用的同时也带来了诸多问题，对用户隐私和数据安全造成了严重侵害。由于大数据发展速度快和法律属性界定复杂等原因，现行法律法规存在一定的滞后，对此类问题适用性不佳，需要随着大数据技术的发展进行及时的改进，从而适应日新月异的网络环境。

发表于：2022/7/5

保留格式加密的双扰工作模式[通信与网络][信息安全]

在通常的分组密码ECB或CBC工作模式下，当数据分组的分组长度较小时，可能会因为密文组重复导致明文信息泄露。为此，给出了一种适用于保留格式加密算法的创新工作模式。以加密初始向量为起点，用一种密钥参与运算的非线性递归方法产生不可预测序列，并以加扰形式将该序列作用到分组迭代变换的输入和输出数据组中。即明文组变换到密文组的过程由明文加扰、分组加密和密文加扰三步构成。这样的工作模式将使得攻击者难以获得和积累明密对，以及实施已知明文攻击。这将在一定程度上消除某些密码算法因为明文组空间较小而存在的安全缺陷。因此，该工作模式适用于某些保留格式加密算法或分组较小的轻量级分组算法。

发表于：2022/7/5

基于CL-PKC的卫星通信认证技术研究[通信与网络][航空航天]

随着卫星通信技术的不断发展，卫星通信组网技术受到越来越多的关注，其相关的安全问题也更加突出。针对卫星通信认证技术进行研究，分析了卫星网络的特点和安全认证需求，提出了一种基于身份的密码体制认证方案，实现了身份认证和密钥协商，以及对合法用户的身份信息的保护功能。并进行仿真实验对协议的安全可行性进行了验证，结果表明，该方案达到了安全、高效的认证效果。

发表于：2022/7/5

基于变分自编码器和三支决策的工控入侵检测算法[其他][工业自动化]

为了更精确地提取工控入侵数据集特征和更精准地分类恶意数据，使得入侵检测方法满足当前工业控制网络的安全需求，提出了基于变分自编码器(Variational Autoencoder，VAE)和三支决策理论(Three-way Decisions，TWD)的新型工业控制网络入侵检测算法(VAE-TWD)。该算法利用变分自编码器强大的感知能力对高维数据进行降维映射和特征提取，再对正常和恶意数据利用三支决策理论进行即刻决策，划分入正向决策域和负向决策域。而对于边界域内不确定的数据，将通过不同粒度的特征，选择适当数据构成新的训练集并扩充到原有数据集中。然后重复决策过程，直至决策域中数据为空，规避盲目决策的风险。实验结果表明VAE-TWD算法提升了对工控入侵检测的特征提取能力和分类能力，且在准确率、检出率、误报率、F1得分等指标上均优于对比算法，有效提高了工控入侵检测的性能。

发表于：2022/7/5

基于挤压激励网络的恶意代码家族检测方法[通信与网络][通信网络]

恶意代码已经成为威胁网络安全的重要因素。基于机器学习的恶意代码检测方法已经取得较好的效果，但面对相似的恶意代码家族，往往效果不佳。对此，提出了一种基于挤压激励网络的检测算法，由卷积神经网络(Convolutional Neural Network，CNN)与挤压和激励(Squeeze-and-Excitation，SE)模块构成。CNN先快速提取恶意代码的图像特征，SE模块对多通道特征图进行全局平均池化，将全局信息压缩，然后通过全连接层自适应学习，并将每个通道特征图赋予不同的权重来表示不同的重要程度，指导激励或抑制特征信息。实验结果表明，该方法相对于传统机器学习方法有更好的检测效果，与深度学习算法相比检测效果也有一定的提升且参数量大大减少。

发表于：2022/7/5

破解SiC、GaN栅极动态测试难题的魔法棒 — 光隔离探头[测试测量][工业自动化]

SiC、GaN 作为最新一代功率半导体器件具有远优于传统 Si 器件的特性，能够使得功率变换器获得更高的效率、更高的功率密度和更低的系统成本。但同时，SiC、GaN极快的开关速度也给工程师带来了使用和测量的挑战，稍有不慎就无法获得正确的波形，从而严重影响到器件评估的准确、电路设计的性能和安全、项目完成的速度。

发表于：2022/7/2

在设计条形音箱时，确保您的无线技术能够提供最高质量的、可靠的音频[通信与网络][通信网络]

随着高清晰度电视机（HDTV）变得越来越薄，能够在其中打造高质量内部扬声器也变得极具挑战性。结果是什么？视频和音频体验的质量之间出现了巨大的差距。条形音箱已经进入市场，为消费者提供了一种便捷的方式来提高音频体验的质量，但对于音频质量和可靠性而言，不同的技术提供了截然不同的体验。

发表于：2022/7/2

基于功放、功分技术的微波信号源扩展方法研究[微波|射频][工业自动化]

量子超导计算芯片的测试需要几十甚至上百路高频微波信号输入，普通微波信号源一般只有1～2个通道，远远不能满足测试需求；若集成多个信号源以扩展信号通道，不但体积庞大，成本昂贵，信号源的同步控制也是一个难题。针对上述问题，基于功放及功分技术，提出了对微波信号源的一路输出进行等功率扩展的方法，设计了集成了衰减器、功放和功分模块的信号源等幅扩展装置。利用微波信号源、频谱仪、网分等测量仪器搭建实验平台，对所设计信号源扩展装置的性能开展实验研究，同时验证基于功放、功分技术的微波信号源扩展方法。实验结果表明，所提出的方法能保证所扩展信号的中心频率、功率与源信号高度一致，各扩展通道的信号相位稳定性好，相位长期漂移控制在±1°以内，满足了量子超导计算芯片测试的需求。

发表于：2022/7/1

卫星通信链路上/下行及单/双通道计算方法研究[其他][航空航天]

针对卫星X波段通信系统链路设计需求，详细研究了传输过程中的各项损耗、干扰及系统指标和特性，提出了卫星通信系统的上、下行及单、双通道情况下的多种链路计算方法，并通过实际示例验证该计算模型的可行性。该计算方法模型可用于卫星通信系统的参数选择、信号质量链路能力的预测，对卫星通信系统的设计具有指导意义。

发表于：2022/7/1

基于轻量级密集神经网络的车载自组网入侵检测方法[通信与网络][汽车电子]

在车载自组网中，攻击者可以通过伪造、篡改消息等方式发布虚假交通信息，导致交通拥堵甚至是严重的交通事故，而传统的入侵检测方法不能满足车载自组网的应用需求。为了解决现阶段车载网中入侵检测方法性能低且存储与时间成本高的问题，提出了一种基于密集神经网络的入侵检测方法L-DenseNet(Light Dense Neural Network)，通过降低模型复杂性，提升算法训练速度和部署适应性，使其更适用于车载自组网中的入侵检测。在VeReMi数据集上进行对比实验，结果表明，该方法在识别各类攻击的精确率和召回率的综合表现最好，且具有较少的时间成本和存储开销。

发表于：2022/7/1

基于自校验孪生神经网络的故障区段定位方法[通信与网络][通信网络]

针对中压配电网区段定位方法所存在的由系统中性点接地方式、故障点距离和过渡电阻大小等环境因素，以及电流互感器极性未知或智能电表错误安装等人为因素所导致的定位不准确问题，提出一种平稳小波极性校验下基于孪生神经网络的故障区段定位方法。首先，分析了零序电流暂态特征，指出了传统线性相关法存在的定位缺陷；其次，使用平稳小波变换解决信号同步和设备反接的问题；最后引入孪生神经网络对故障点上下游信号进行相似性匹配，经训练该模型可以准确定位故障区段。通过仿真验证，该方法具有较强的抗干扰能力，对于定位盲区也有较高的识别率。

发表于：2022/7/1

Yolo神经网络在集成电路焊盘布局规则检测上的应用研究[模拟设计][通信网络]

为探索深度学习在集成电路设计自动化上的应用，以电源和接地焊盘的排列规则作为检查案例，研究了Yolo v3神经网络在版图检查上的可行性。采用Python脚本批量生成版图样本图片，并使用LabelImg进行标签标记。使用TensorFlow框架编写了基于Yolo v3的版图检查器。结果显示，版图检查器在判断焊盘布局正确性上实现了高精确率与高召回率。此外，还通过调整版图的大小、形状、对称性与焊盘数目的方式对检查器进行了进一步测试。检查器仍表现卓越，体现出良好的扩展性。研究表明Yolo v3可以很好地找出焊盘布局的错误。深度学习在集成电路版图检查中的潜力大，值得继续探索。

发表于：2022/7/1