诺基亚发布其关于Wi-Fi 9技术的愿景

最新资讯

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

广东深圳、浙江等地，为城市数字化注入新动能

近日，深圳市政务服务数据管理局联合市发展改革委发布了《深圳市数字政府和智慧城市“十四五”发展规划》(下称《规划》)。《规划》是促进深圳数字政府和智慧城市建设的综合性、基础性、指导性文件，意味着深圳数字政府和智慧城市建设有了更加清晰的规划图。

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

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

被微软寄予厚望的Windows 11，用户为何拒绝免费升级 ？

Windows 11是由微软公司(Microsoft)开发的操作系统，应用于计算机和平板电脑等设备 。于2021年6月24日发布 ，2021年10月5日发行 。

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

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

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

西门子进一步延伸Xcelerator，紧密连接现实世界与数字世界

　　西门子近日推出全新西门子 Xcelerator —— 一款开放式数字商业平台，以更轻松、更快速、可扩展的方式，跨越工业，楼宇，电网和交通等领域，帮助不同规模企业加速数字化转型，并创造价值。对于西门子数字化工业软件的用户群体而言，Xcelerator 并不陌生。2019年，西门子数字化工业软件全面集成工程软件、服务和应用开发平台，推出 Xcelerator 解决方案组合，旨在助力工业客户实现转型。如今，作为西门子向科技公司定位迈进的重要一步，Xcelerator 在原有基础上进一步扩展，应用于更广泛的业务层面，成为整个西门子独特的数字业务平台。

发表于：2022/7/1