诺基亚发布其关于Wi-Fi 9技术的愿景

最新资讯

分布式VANETs中车流自适应的低冲突TDMA-MAC协议

在分布式车载自组织网络中，动态变化的双向车流会严重影响基于slot分组的TDMA-MAC协议降低冲突的效果以及整体协议的安全性与可靠性，对此设计一种车流自适应的低冲突TDMA-MAC协议TALC-MAC。采用slot占用率作为分组调整的判断依据，设计详细的分组扩展与收缩策略以适应车流实际分布。同时优化帧内slot分组方案与节点预约slot的策略，进一步降低网络中发生冲突的概率。仿真实验结果表明TALC-MAC能有效适应双向车流的动态变化，保持协议整体低冲突的特性。

发表于：2022/7/5

基于直接高阶注意力和多尺度路由的图神经网络

图神经网络中的注意力机制在处理图结构化数据方面表现出优异的性能。传统的图注意力计算直接连接的节点之间的注意力，并通过堆叠层数隐式获取高阶信息。尽管在图注意力机制方面目前已有广泛的研究，但用于注意力计算的堆叠范式在建模远程依赖方面效果较差。为了提高表达能力，设计了一种新颖的直接注意力机制，这一机制通过K阶邻接矩阵直接计算高阶邻居之间的注意力。通过自适应路由聚合过程进一步传播高阶信息，这使得聚合过程更灵活地适应不同图的特性。在引文网络上的节点分类任务上进行了大量的实验。实验表明，该方法优于最先进的基线模型。

发表于：2022/7/5

地铁运营岗位应急处置培训的语音识别研究

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

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

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

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

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

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

基于挤压激励网络的恶意代码家族检测方法

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

通过数字化转型实现环境可持续发展

工业企业面临着越来越大的挑战，迫切需要在环境可持续发展方面做出战略性的转变。制造企业面临着越来越多的温室气体排放限制、碳税、环境合规要求，以及因未能遵守法规而面临诉讼的风险。能源脱碳将增加可再生能源和清洁燃料的可用性，为制造企业实现低碳目标提供了重要机会，但这种转变必须与提高工厂能效和排放控制相一致。然而，在这些领域做出重大改进可能是一项挑战。在大多数情况下，劳动力已经减少到最低数量，创造额外生产力和效率所获得的收益已经非常有限，需要寻求新的突破。

发表于：2022/7/4