【摘 要】
:
针对工业数据上云的信息安全需求及未来趋势,通过分析其行业特点与核心需求,阐述了一种基于工业互联网网关为核心的一体化设计方案。该方案围绕现阶段工业数据接入云端可能存在的脆弱点、安全漏洞进行分析,同时配合相关安全管理措施,提出工业现场数据安全接入云端一体化的设计。
论文部分内容阅读
针对工业数据上云的信息安全需求及未来趋势,通过分析其行业特点与核心需求,阐述了一种基于工业互联网网关为核心的一体化设计方案。该方案围绕现阶段工业数据接入云端可能存在的脆弱点、安全漏洞进行分析,同时配合相关安全管理措施,提出工业现场数据安全接入云端一体化的设计。
其他文献
单幅图像超分辨率[1]是一个将高分辨率转换为低分辨率的经典问题。基于传统的插值方法,如线性插值、二次插值、Lanczos[2]插值通常带来平滑的图像结果。相比于传统的插值方法,基于深度学习的方法[3]能充分恢复图像的纹理细节,生成更加合理的高分辨率图像。借用了Octave Convolution的思想,并提出了分别产生不同频率的级联模块。同时使用了通道注意力机制去给不同特征图赋予权重。图像超分辨率
近年来,随着我国经济的高速发展,汽车轮毂需求在不断增长,工厂的轮毂生产线在不断增多,各生产线对不同型号的轮毂进行分拣是一项必要的工作。而采用人工分拣的方式,难免存在效率低、错分等情况。近年来随着机器视觉以及人工智能技术的发展,使得用机器代替人工高效识别分拣轮毂的方式成为可能。研究一种基于机器视觉的轮毂智能分类方法,期望实现生产线自动分拣轮毂。主要通过对各种轮毂图片进行图像处理,提取一些有较高区分度
西气东输二线输气阀室没有门禁系统,且地处偏僻地区,无人值守,阀室内部安装高压天然气管道及RTU控制系统等设备,基于安防考虑和为满足公司集中监视管理模式运行要求,研究了以现有的远程终端控制系统为基础的门禁系统,详细阐述了该系统报警判断逻辑,门禁开关及行程开关等硬件改造,RTU系统、上位机工程等软件编程。门禁系统报警能实时驱动对阀室具有管理权的站场的声光报警器和喇叭,并上传至上海生产调度中心,使站场运行人员能第一时间知晓并进行处置;通过查看巡检次数,能让站场运行人员了解阀室看守员巡检次数是否满足公司要求。门禁
Transformers的双向编码器表示(BERT)是最新的预训练语言模型的代表之一,它成功地解决了一系列自然语言处理(NLP)任务。用于文本摘要的BERT体系结构(BERTSUM)是一个文本摘要模型,在预训练模型BERT作为编码器,使用多个"[CLS]"标签、区间段标签和线性分类器、RNN分类器或Transformer作为分类器的情况下,BESTSUM在抽象和抽取摘要方面都优于其他模型。然而,当数据集太小或训练步骤太长时,BERTSUM可能会出现过拟合现象。提出了一种基于BERT的小数据集句子嵌入方
针对660MW发电机组中立式水泵变频改造中出现的异常振动现象进行分析和治理。由于凝结水泵的电机壳体一侧存在观察窗,导致圆周方向的支撑刚度不对称。在交叉刚度的作用下,凝泵的变频运行区间内存在2个临界转速区且振动相互耦合。对于这类支撑刚度不对称的系统,提出了一种加权多矢量优化方法。对系统的原始振动情况进行分析处理,通过矢量优化方法计算出当矢量和最小时的最佳动平衡加重方案后,根据实际运行需求采用加权系数进行优化,达到良好的减振效果。给出了多矢量加权优化的算法,并以某台660MW的汽轮发电机组配套凝泵实际振动数据
常识相当于变化的特征,相关性知识相当于变化的描述,科学知识相当于变化的规律,可见描述比特征更全面,基本与规律相当,但是不如规律简洁、直观、易用。为保证描述的全面性,相关性知识需要的信息越庞大越好。而当相关性知识的信息量降低到不足以描述变化的全貌,或者相关性知识的信息就来源于常识时,相关性知识只能表示变化的特征。
针对ICP配准技术速度慢、对初始位置敏感的问题,提出一种基于FPFH特征的ICP点云配准改进算法。在提取点云的FPFH作为点云特征描述、使用SAC-IA作为初始配准的基础上,利用均匀降采样对输入点云进行数据精简,在寻找最近点过程中应用Kdtree数据结构加快寻找速度,应用线性最小二乘法优化ICP配准,最终得到从源点云到目标点云的变换矩阵。实验结果表明,改进的ICP算法可以在提高配准精度的同时加快配
针对山水画的特点和风格,在循环一致性生成式对抗网络(Cycle Generative Adversarial Networks,CycleGAN)的基础上,在网络中引入注意力机制(Attention Mechanism),通过对图像主要特征赋予更高的学习权重来获得更好的图像风格迁移效果,增强图像风格化后的部分细节。在山水画数据集进行训练和验证,实验与分析测试表明,该设计提升了生成图像的质量和主观视
由于异物入侵(FOI)可能会对高速铁路造成不可估量的危害,研究了卷积神经网络(CNN)在机器视觉下高速铁路场景分割和识别中的应用。它主要探索FOI的场景。在对FOI场景识别的以往研究基础上,首先提出了研究思路和目标。利用CNN方法对模型进行训练,设计了适合研究场景的检测区域划分方法。研究了这三种异物检测方法,以选择一种更合适的异物检测方法;然后,全面设计了智能的FOI检测算法。研究发现:(1)基于
多维尺度分析(Multi-Dimensional Scaling,MDS)作为一种传统有效的降维方法,利用样本的成对相似性,构建一个低维空间,满足每对样本在高维空间的距离与在构建的低维空间中的样本相似性尽可能维持一致的条件,其在数据分析和数据降维都有着广泛的应用前景。由于本地资源受限,MDS算法有时无法在本地实现。云服务器拥有强大计算能力和存储能力,能够为人们解决这样的问题。而这样的计算方式也带来了许多挑战,尤其是安全性。针对高复杂度的MDS算法首次提出了外包方案,将MDS算法交给云服务器以降低用户本地的