UNIX 网络性能管理的流量监测技术研究

网络性能管理的主要目标是高性能和高吞吐量。标准UNIX系统缺乏对网络的流量的有效管理。本文研究了在标准UNIX网络实现性能管理中的网络流量监测、主机网络／系统状况动态检测等技术，依据检测结果用户可以进行网络动态配置或重新分配网络资源，从而改善UNIX系统的网络性能及吞吐量等技术。结果表明所提供的技术手段是有效的。     

高校网络思想政治教育的功能及其实现路径

高校网络思想政治教育是指在高校范围内,通过网络形式开展大学生思想政治教育活动。高校网络思想政治教育具有增强高校的思想政治教育的针对性,拓宽其影响力以及提高其实效性的作用,具体表现为宣传引领功能、教育引导功能、答疑解惑功能、文化育人功能。拓宽高校网络思想政治教育的实现路径,才能发挥高校网络思想政治教育的功能,更好地完成新时代高校的全员全过程全方位育人的使命任务。     

疫情防控中陕西高校网络舆情治理策略研究

在疫情防控期间，提高高校的网络舆情治理水平，不仅对于尊重学生诉求、维护学校形象、更精准有效的开展疫情防控工作具有重要的现实意义，而且对创建和谐校园，维护社会稳定也具有重要的现实意义，同时还对促进大学生全面成长和提高我省乃至全国高校的治理水平，促进高校治理的现代化也具有重要的现实意义。文章通过采用社会调查法、文献调查法等研究方法，分析疫情防控期间陕西高校的网络舆情现状，了解到疫情防控期间陕西高校网络舆情主要表现在校园管理、后勤保障、心理健康、教育教学、舆情应对、学生管理六个方面。分析后认为，产生舆情一方面是因为高校治理理念落后、治理体制不健全、治理能力不高，另一方面是因为师生媒介素养不高和媒体社会责任缺失。基于此，提出治理网络舆情，高校首先迫切需要增强依法治理、民主治理、协同治理的理念。其次，要完善舆情治理体系，形成职责明晰、协调配合的治理局面。再次，还要针对网络舆情的传播发展规律，不断提高舆情风险的监测、预判和处置能力。同时还要引导师生加强学习，提高自身素养，并呼吁媒体加强自律，增强社会责任意识，旨在为陕西高校提高网络舆情治理能力提供参考。     

基于模糊贝叶斯网络的飞机易损性评估方法

针对在飞机进行易损性评估的过程中,因为目标数据的不精确而进行的模型简化,结合模糊数学理论和贝叶斯网络提出了基于模糊贝叶斯网络的飞机易损性评估方法。介绍了模糊理论和贝叶斯网络的基本知识,以及基于模糊贝叶斯网络的飞机易损性评估流程,并建立了基于某型飞机的模糊贝叶斯网络易损性评估模型,最后通过算例证明了该方法的合理性。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于注意力机制的兵棋对抗态势预测方法

以不可观察算子实时位置预测为例进行兵棋对抗态势预测方法研究。训练基于注意力机制的陆战场战术级兵棋不可观察算子实时位置端到端预测模型。对高维离散兵棋态势特征进行低维嵌入,用多头自注意力机制学习特征交叉,通过把兵棋地图的各个六角格视为单独的类,将算子位置预测转化为稀疏特征下的多分类问题,达到33.47%的top＿1预测准确率,相较其他模型至少提高2.57个百分点,并具有良好的可解释性。     

基于杀伤链的动态重构作战网络抗毁性分析

作战网络的动态重构过程是其重要特征之一,从杀伤链的角度构建作战网络的动态重构过程,有利于提高作战网络的作战能力和抗毁伤能力。提出了基于杀伤链的动态重构作战网络抗毁性分析。描述了基于异质网络的作战网络模型和典型的杀伤链模型。从杀伤链角度给出了作战网络在节点失效过程中的动态重构策略,并提出了基于杀伤链的网络抗毁性指标。在方法研究基础上进行了案例分析。分析结果表明,动态重构作战网络的抗毁性高于无重构的作战网络,动态重构过程提高了作战网络的抗毁性。动态重构作战网络在度优先攻击策略下的抗毁性明显低于随机攻击策略下的抗毁性。该方法对于作战网络在动态重构下的作战能力评估和分析具有重要意义。     

基于深度学习的网络攻击检测模型

为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。