基于挤压激励网络的恶意代码家族检测方法

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 下午3:46:53

基于功放、功分技术的微波信号源扩展方法研究

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 下午3:34:00

卫星通信链路上/下行及单/双通道计算方法研究

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 下午3:07:00

基于轻量级密集神经网络的车载自组网入侵检测方法

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 下午3:03:00

基于自校验孪生神经网络的故障区段定位方法

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 下午2:59:00

Yolo神经网络在集成电路焊盘布局规则检测上的应用研究

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 下午2:42:00

基于SiP技术的某分组件及测试系统设计与实现

基于SiP技术的某分组件及测试系统设计与实现[模拟设计][工业自动化]

系统级封装SiP已成为突破摩尔定律的主要技术路线，是未来武器装备小型化和多功能化的重要依托，在武器装备研制和应用领域具有广阔的市场和前景。针对区域信号目标识别系统轻量化、小型化、集成化、低功耗等要求，设计一种基于SiP技术的某分组件并为此开发一套自动化测试系统，通过该自动化测试系统对200多套产品进行试验，得出该产品性能稳定、可靠；轻量化、小型化、低功耗等要求也满足客户要求。

发表于：2022/7/1 下午2:38:00

基于YOLOv5l的囊型肝包虫病病灶检测研究

基于YOLOv5l的囊型肝包虫病病灶检测研究[其他][医疗电子]

针对临床医生在诊断肝包虫病时需要通过个人经验判断囊型肝包虫病分型，研究基于目标检测算法的肝包虫病灶自动检测与分类模型，实现对肝包虫病超声影像的自动识别与分类。使用YOLOv5l模型作为囊型肝包虫病病灶目标检测的模型，利用本地肝包虫病超声影像数据集对网络模型进行训练。基于YOLOv5l模型与随机梯度下降算法(SGD)优化算法的肝包虫病病灶自动检测分类模型可以很好地对5种类型的病灶进行有效的检测，平均精度均值(mAP)为88.1%，经过测试，该模型的测试速度可达40 f/s。实验结果表明，基于YOLOv5l与SGD算法的肝包虫病病灶自动检测分类模型能够较好地识别病灶的具体位置，可以很好地辅助医生诊断肝包虫病。

发表于：2022/7/1 下午2:29:00

基于改进YOLOv5的车辆属性检测

基于改进YOLOv5的车辆属性检测[测试测量][汽车电子]

车辆属性检测是一个基础任务，其属性检测结果可以被应用到很多下游的交通视觉任务。提出了一种基于YOLOv5的车辆属性检测改进算法。针对检测目标较小的问题，加入了卷积注意力模块，让网络模型把更多的注意力放在小目标对象上；针对数据集样本种类较少的问题，改进了YOLOv5的马赛克数据增强方式；使用自门控激活函数Swish，起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用。此外，还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注，构建了一个车辆属性数据集。实验结果表明，改进后的算法比原始YOLOv5的平均精确率提升了4.6%，能够准确地检测到车辆图像的通用属性，可以供下游任务使用。

发表于：2022/7/1 下午2:25:00

物联网安全标准体系框架研究

物联网安全标准体系框架研究[其他][物联网]

结合物联网发展标准化需要，概述了国际国内物联网安全标准化组织，从技术和应用视角对物联网安全标准进行了分类，设计了物联网安全标准体系框架，并针对性提出了物联网安全标准化推进建议。

发表于：2022/7/1 下午2:16:00