As the scale of quantum bits expands,manual calibration of quantum bits becomes costly and inefficient.Therefore,the automation of quantum measurement and control is imperative.A frame-work for automated quantum measurement and control is constructed in this work,including 3 modules such as measurement and control experiment,data processing and decision judgment,and 4 databases such as measurement and control experiment library,data processing function library,measurement and control experience library and measurement and control database.The automated calibration of single-qubit properties is completed based on this framework.The calibration of readout gates and single-qubit gates for 24 quantum bits is accomplished in a total of 2.7 h,averaging 6.75 min per qubit.An average single-qubit gate fidelity of 99.28%and a readout fidelity of 78.6%is achieved.
In order to protect the data privacy of network users and solve the training difficulties caused by traffic distribution, this paper based on federal semi-supervised learning presents a traffic classification method to solve the problem of a small number of labeled traffic distributed in server, and a large number of non-labeled traffic distributed independently and identically in clients and not shared. On the one hand, this paper adopts the parameter decomposition strategy to avoid interference between different tasks. On the other hand, this paper uses consistency regularization between clients to maximize consensus between similar segment clients to solve the learning problem of variable small sample data. In addition, method in this paper only transfer parameter differences during the federated learning parameter transfer process. The experimental results show that the accuracy gap between our method and the supervised learning training method is minimal, which can effectively protect user privacy and does not require a large amount of labeled data and communication costs.
针对在海量网络数据中识别网络攻击的问题,运用知识图谱推理能力,提出了基于知识图谱推理的网络攻击识别方法.首先利用Turtle文件解析算法将ttl格式文件解析为能够应用于知识嵌入模型的形式;其次,构建系统状态本体,为不同的系统状态实例提供统一的上层描述,提高利用网络安全知识图谱分析系统状态的可行性;最后,利用基于TransH模型得到图模型中的各类实例数据的嵌入表示,并从候选攻击模式中推理潜在的网络攻击行为.通过实验进一步验证了所提方法的可行性和有效性.
网络流量分类对于网络优化、网络安全预警、用户个性化服务等具有重要意义.随着通信和信息技术的发展,传统的基于端口以及深度包检测的分类方法由于私有协议的广泛应用已不能满足需求.基于机器学习的分类算法被应用于流量分类研究,但加密技术为流量分类的特征提取带来一定难度.首先总结了网络流量分类的基本流程;其次分析了分类粒度及其应用场景,并对目前流量分类的主要技术按照监督学习、半监督学习、无监督学习进行了分类研究;最后对网络流量分类技术的发展趋势及面临挑战做了展望,为网络流量分类研究提供一定的参考.
海马在情绪调节过程中发挥关键作用,针对海马的实时功能磁共振成像(real-time func-tional Magnetic Resonance Imaging,rtfMRI)神经反馈训练能够有效增强健康人的情绪、记忆功能.脑网络是空间位置不同的脑区通过功能联系整合形成的网络模式,情绪调节涉及多个脑网络之间信息的协同交互,脑网络间连接特性的变化能够反映大脑情绪功能的改变.针对海马体的神经反馈情绪调节训练,从静息态脑网络的动态特性出发,提取被试与情绪调节相关的默认模式网络(Default Mode Network,DMN)、执行控制网络(Executive Control Network,ECN)和突显网络(Salience Network,SN)等高级认知网络,并分析这些高级认知网络的功能连接特征在神经反馈训练前后的差异.结果表明通过神经反馈训练,健康被试前突显网络与背侧默认模式网络、左侧执行控制网络之间的功能连接显著增强,而左侧执行控制网络与楔前叶网络之间的功能连接显著下降.结果验证了针对海马体的rtfMRI神经反馈情绪调节训练的有效性,并且情绪调节相关的脑网络间功能连接的变化与临床精神病学研究结果一致,或可作为评估神经反馈训练效果的影像学标记.
恶意干扰会严重影响无线通信性能,因此未知信道信息条件的盲抗干扰问题引起广泛研究.当阵列自由度不足时将会影响盲抗干扰性能,针对现有研究中的自由度需求,给出一种基于可重构智能表面的单天线盲抗干扰方案.利用可重构智能表面在信号接收时快速改变反射权值,令接收信号经历不同复合信道到达天线;该方式使单天线等效为多天线阵列,提高自由度;在此基础上利用独立成分分析算法分离期望信号与干扰.仿真结果表明,在高干信比条件下,该方案性能优于典型基于可重构智能表面被动波束赋形的抗干扰方案.
基于系统调用数据是实施主机异常检测的一种有效手段,然而现有检测技术无法有效应对混淆攻击.提出一种融合注意力与卷积的系统调用异常检测模型,能够同时关注到系统调用序列展现的进程全局行为与每一个时间窗口的局部行为.首先,设计了一种混淆攻击数据模拟生成方法解决样本数据不平衡问题,提出基于进程行为特征的序列补齐方法增强系统调用语义特征;其次,融合注意力机制与一维权重卷积网络同时从系统调用序列的全局与局部提取数据特征;最后,基于单一变量原则和交叉验证方式获得最优异常检测模型,进而得到异常检测结果.与其他传统异常检测方法对比得出,所提模型具有更高的准确率(96.6％)和较低的误报率(1.9％),同时此模型具有抵抗混淆攻击的能力.
遥感图像目检测与识别是近年来国内外研究的热点之一.针对检测任务中因目标密集分布、目标尺度不一所导致的精度不高等问题,提出了一种改进YOLOv5的融合注意力机制目标检测算法.首先,将坐标注意力机制(Coordinate Attention,CA)分别融合到YOLOv5的骨干网络、颈部和输出端3个位置,以提高模型的特征提取能力.其次,进行训练和测试,实验结果表明,骨干网络位置最适合融合注意力,能够有效增强模型的检测性能.再次,采用CIoU_loss作为损失函数,以改善目标检测框的定位精度.最后,进行消融、对比实验,结果表明,提出的改进算法相较于原始YOLOv5算法具有更好的检测性能,mAP50提高了 2.9个百分点,有效提高了遥感图像的目标检测精度.
针对当前卷积和循环神经网络相结合的模型无法有效表征网络流量的问题,提出一种基于Tansformer的时序多模态融合特征的异常网络流量检测方法.首先,以会话为单位切分网络流量,将会话中流量记录的统计特征分组.其次,利用多模态注意力编码器计算特征分组的融合特征,进而利用注意力机制对一个会话的所有流量记录并行建模,挖掘流量记录的时序多模态融合特征.最后,利用全连接层和softmax层对该特征进行线性变换和概率计算.在CIC-ToN-IoT数据集上的实验结果表明该方法切实可行,相较于对比方法,在取得较高的准确率和精度的同时,保持了最低的误报率.
当前无人机集群在电磁频谱监测中得到了较为广泛地应用,为提升无人机集群可同时执行的电磁频谱监测任务数量,基于时分复用的思想,提出了 一种面向多节点同步协同的并发任务分配方法.通过构建任务帧实现了监测任务的并发执行,并利用 自适应学习的粒子群算法对任务帧进行优化,进一步提升了无人机集群的并发任务执行能力.此外,通过基于优先级的任务帧局部重优化策略,在兼顾优化质量的同时提升了重优化的速度以适应快速变化的电磁监测任务需求.仿真结果表明,所提方法能够有效提升无人机集群的并发任务执行能力和动态适应能力.
针对星地一体化授时系统建设需求,设计一种高精度星地互备授时装置.该装置基于软时统技术,星基使用北斗三号卫星授时,地基主要使用长波授时及精确时间协议(Precise Time Protocol,PTP)授时.同时采用高精度同步技术、时频生成技术和信号完好性监测技术,实现了高精度、高可靠时频信号输出,授时精度优于50 ns(1σ).
近年来,随着人工智能技术的发展,深度学习越来越多地应用于声呐图像目标检测领域,逐渐成为近海国防建设和海洋经济发展中的热点研究课题.针对声呐图像分辨率低、边缘细节模糊、斑点噪声严重等问题,提出了一种基于YOLOX模型的声呐图像目标检测算法.同时,考虑到声呐图像获取困难、数据集通常较小,又引入迁移学习的方法对预训练模型进行微调,得到适用于声呐图像的目标检测模型.最后,在URPC2021数据集上进行实验,以验证该算法的检测性能.
为了提高自驱动关节臂坐标测量机的控制精度,需要研究其轨迹控制方法,提出基于特征融合的自驱动关节臂坐标测量机轨迹在线控制模型.利用机器人(Denavit Havtenbery,DH)法构建自驱动关节臂坐标测量机的DH模型,对坐标测量机的运动学展开分析,提取多个关节臂坐标测量机的轨迹特征,融合上述特征,获得测量机在工作状态下的轨迹变化情况,最后通过笛卡尔空间根据轨迹特征构建轨迹在线控制模型,完成自驱动关节臂坐标测量机的轨迹控制.实验结果表明,所提方法的关节角度跟踪精度高、轨迹控制误差小.
安全编排、自动化与响应(Security Orchestration,Automation and SOAR)网络安全应急响应案例库建成后,当新的安全事件产生时,对相似案例进行检索,得到的案例的响应方案往往还需要经过案例修正才能运用至实际环境中.研究了 SOAR网络安全应急响应案例的修正方法,提出一种基于双线规则学习的案例修正技术;并对案例修正规则学习过程中的相似案例相似性度量方法进行了研究,提出了一种基于可达矩阵的流程图相似度计算方法;然后对案例修正过程进行了描绘;最后,对提出的案例修正技术进行了实验和分析.结果表明,提出的双线规则学习模式能够用于实际安全事件的应急响应.
为解决军事装备供应链质量评估过程中随机性强、直观性差等问题,综合考虑影响军事装备供应链质量绩效相关因素,基于结构方程模型(Structural Equation Model,SEM)建立了军事装备供应链质量绩效评价指标体系,利用SPSS软件拟合修正模型得到指标路径系数及权重;以云模型理论(Cloud Model,CM)为基础,通过构建标准云图与评价云图相对比,直观体现绩效评价程度,克服了以往评价方法的主观性和不确定性.最后引入实例,验证了基于SEM-CM评价方法的合理性和有效性,为军事装备供应链质量绩效的科学评价提供了理论依据.
传统阵列天线在运用阻塞矩阵预处理对抗主瓣强干扰过程中,期望小信号会出现主瓣失真,峰值偏移和旁边电平上升,造成一定的信息损失,影响阵列天线接收信号的输出信干噪比(Signal-to-Interference-Noise Ratio,SINR).为解决这个问题,提出一种基于改进阻塞矩阵的动态超材料天线(Dynamic Metamaterial Antenna,DMA)小信号主瓣保形与导向失配恢复方案.首先,基于DMA结构特性设计改进阻塞矩阵,对接收信号进行预处理;其次,采用权矢量补偿方法对小信号的导向矢量进行变换;最后,通过自适应空域滤波算法设计求解DMA的方向图状态向量,在天线射频前端实现了空域滤波小信号匹配接收.仿真结果表明,经过阻塞矩阵预处理后的DMA比传统天线具有更好的空域波束赋形能力.所提方案能够有效对抗主瓣存在强干扰的情况,降低主瓣失真,恢复小信号主瓣峰值偏移的导向矢量,进一步提高期望小信号的接收增益,证明所提算法的有效性以及优于传统天线阵列波束形成方法的优势.
战场信息主要依存于电磁空间,使得夺取战场制电磁权显得尤为重要.针对制电磁权进行的电子战又在战争发展及胜负中起着举足轻重的作用,促使电磁空间成为继陆地、海洋、天空、太空、网络之后的第六维战场.然而电磁空间没有国界之分,其信号纵横交错、相互交织;为了消除电磁频谱的自扰互扰,维护己方用频秩序,实现电磁兼容问题,需要强化战场中的电磁频谱管控.通过梳理美俄军在电磁频谱领域的建设成果,对比分析各自在电磁频谱管控领域的优劣点,为我军未来在该领域的建设方向和重点提供一些启示,以此作为提升我军的整体作战效能的一个着力点.
针对以太网在高速传输、恶劣环境、突发流量等情况下传输可靠性降低引发频繁TCP协议重传,导致传输速率降低、传输时延增大、信道利用率低的问题,提出一种基于标识确认应答与链路层重传控制(Identification Confirmation and Reply-Link Layer Retransmission Control,ICR-LLRC)的硬件协同以太网可靠性增强设计,通过在以太网链路层增加标识确认与应答机制实现以太网链路层丢包检测,增加链路层重传控制与重传缓存区实现链路层丢包处理与重传.实验结果表明,该设计提高了以太网传输可靠性,在重传缓存区大小为128 bit*32(位宽*深度)的情况下,将丢包导致的重传时延降低54.7％,带宽收敛时,传输速率提高了 29.1％.
To address the incompleteness of manual collection and inaccuracy of automatic collection in open source intelligence collection, the characteristics of web information sources and social information sources are studied. Corresponding automatic discovery methods of information sources are proposed respectively. For web information sources, the existing automatic discovery method is improved by considering co-citation and web content correlation jointly. Through the target attributes of social information sources, the vectorized representation of users is realized, and then clustering is performed to realize similar target mining. Experimental results prove the effectiveness of the related methods in improving the efficiency of open source intelligence acquisition.
In response to the problems of qualitative description of the network model of unmanned combat equipment system and the difficulty of quantitative optimization analysis, the features of unmanned combat equipment system are summarized. By focusing on the operational task flow, from the perspective of functional hierarchy, functional nodes such as intelligence, decision making and execution and virtual nodes are set. Besides, a network topology model of unmanned combat equipment system based on information flow is constructed, with indicators for the evaluation of the comprehensive capability of the system given. Simulations are carried out to compare eight network structures to provide reference for the construction and operational use of unmanned combat equipment system.
