检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

SGX隔离技术研究综述

华中科技大学学报（自然科学版） 2024年第2期52卷 1-15页

作者：崔津华蔡志平刘柯江湖南大学半导体学院(集成电路学院) 湖南长沙410082 国防科技大学计算机学院湖南长沙410073

Intel SGX(software guard eXtensions)通过创建一个可信执行环境(TEE或enclave)来保护用户使用中的数据,它可以阻止任何特权软件,例如操作系统和虚拟机管理程序等的任意访问,确保数据和代码的机密性和完整性.尽管SGX技术拥有高安全、... 详细信息

Intel SGX(software guard eXtensions)通过创建一个可信执行环境(TEE或enclave)来保护用户使用中的数据,它可以阻止任何特权软件,例如操作系统和虚拟机管理程序等的任意访问,确保数据和代码的机密性和完整性.尽管SGX技术拥有高安全、硬件级别的保护属性,但是其构建的可信执行环境在兼容性、性能和安全性等方面仍然存在关键的研究挑战.该综述首先系统地分析和总结了五个SGX自身设计约束,它们直接导致了SGX与二进制软件和运行时语言的不兼容性或可用性差问题,致使用户面临性能、安全性和兼容性无法全部兼顾的局面.然后,针对SGX兼容性/可用性挑战,全面梳理和总结了三种不同类型的解决方案,分析了它们的优缺点;针对SGX安全性问题,对当前流行的攻击技术进行了分类,描述了攻击关键要素和根本原因;针对SGX性能瓶颈,总结了制约enclave运行性能的主要因素,分析了SGX内部设计权衡.最后,总结了SGX研究的经验教训,展望了新一代enclave或TEE技术的研究趋势,指出了若干研究方向.

关键词：可信执行环境 Intel SGX 兼容性安全性性能机密计算

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于异构数据的患者术后非计划内再入院预测

工程科学与技术 2024年

作者：俞凯董小锋袁贞明崔朝健罗伟斌杭州师范大学信息科学与技术学院

非计划内再入院是医院风险管理的重要信号，也是医疗质量的重要指标。目前再入院预测已经是医疗系统的一项重要任务，大量学者结合机器学习技术已经提出非常多有效的预测方法，但大多仅以单一结构数据为研究对象或仅使用串联方法融合异... 详细信息

非计划内再入院是医院风险管理的重要信号，也是医疗质量的重要指标。目前再入院预测已经是医疗系统的一项重要任务，大量学者结合机器学习技术已经提出非常多有效的预测方法，但大多仅以单一结构数据为研究对象或仅使用串联方法融合异构数据。前者未能较好地利用电子病历中丰富的数据与信息，后者则是不能很好地融合异构数据的信息。基于上述问题，提出基于CTFN异构数据融合方法并结合患者出院小结文本与住院期间产生的横断面数据预测患者再入院风险。异构数据的信息更为丰富，CTFN则是能更好地融合异构数据中的信息，使融合表征矩阵对异构数据信息的表达能力更强。预测模型的构建分为三个步骤，首先利用RoBerta模型提取患者出院小结中的特征信息并得到表征矩阵；再使用CNN模型学习患者横断面特征信息，得到表征矩阵；最后通过CTFN方法融合异构表征矩阵，得到最后的异构表征矩阵。CTFN通过张量外积融合多个单模态表征矩阵，并增加CNN模型以及残差结构设计加强异构数据模态内与模态间的信息学习。通过CTFN方法得到的异构数据表征矩阵，能够有效提升分类器的预测能力。在某公立医院的临床数据上对该方法进行验证，实验结果表明该方法表现出色，其中召回率达到了76.1%，AUC达到了71.5%，均高于所对比的基线模型。在召回率及准确率上满足实际使用，可辅助医生定位高再入院风险患者。

关键词：异构数据深度学习张量融合再入院卷积网络残差结构

基于优化RDD分区的Spark并行K-means大尺度遥感图像分割

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年第5期39卷 1612-1619页

作者：李玉崔书琳赵泉华辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

大尺度遥感图像分割对单机处理方式而言是巨大挑战. Spark平台为在单机上构建用于大数据处理的分布式计算环境提供了可能.当Spark平台内置的K-means算法用于数字图像处理时,其中的Spark Shuffle弹性分布式数据集(RDD)分区一般采用缺省设... 详细信息

大尺度遥感图像分割对单机处理方式而言是巨大挑战. Spark平台为在单机上构建用于大数据处理的分布式计算环境提供了可能.当Spark平台内置的K-means算法用于数字图像处理时,其中的Spark Shuffle弹性分布式数据集(RDD)分区一般采用缺省设置,尽管这种RDD设置简单便捷,但对大尺度图像分割任务容易造成“多分区、小数据”现象,极大影响图像分割速度.为此,采用覆盖部分上海市区的WorldView-3遥感图像为测试数据,在K-means算法初始化聚类中心阶段自定义影响RDD分区的参数***,在迭代计算阶段调用coalesce()算子减少分区数;与串行K-means算法对比验证单机处理大数据的可行性与有效性,与优化前的Spark并行K-means算法对比实现了大尺度遥感图像快速分割.实验结果表明,在K-means算法初始化聚类中心和迭代计算阶段,将RDD分区数设置在CPU核数的1~10倍,总用时由优化前的145 s缩减到97 s,尤其在初始化聚类中心阶段的时间效率上,优化后是优化前的500~1 000倍.

关键词： Spark平台单机大数据处理大尺度遥感图像 RDD优化图像分割并行K-means算法

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

新型星形负泊松比抗冲击结构设计与入水冲击

兵工学报 2024年第5期45卷 1497-1513页

作者：金泽华刘清洋马文朝孟军辉北京理工大学宇航学院北京100081 北京理工大学重庆创新中心重庆401135

针对跨介质飞行器入水过程中受到较大冲击载荷的问题,提出一种基于工程需求的负泊松比抗冲击结构拓扑优化设计方法,通过将弹性模量和泊松比引入拓扑优化设计的目标函数,得到满足抗冲击性能需求的负泊松比星形-四边形蜂窝(Star-quadrangu... 详细信息

针对跨介质飞行器入水过程中受到较大冲击载荷的问题,提出一种基于工程需求的负泊松比抗冲击结构拓扑优化设计方法,通过将弹性模量和泊松比引入拓扑优化设计的目标函数,得到满足抗冲击性能需求的负泊松比星形-四边形蜂窝(Star-quadrangular Honeycomb,SQH)结构。在建立SQH结构理论分析模型的基础上,推导冲击载荷下的平台应力解析公式,并通过数值模拟仿真进行校验。通过与星形-圆环蜂窝(Star-circle Honeycomb,SCH)等多种负泊松比结构的比吸能进行对比,得到SQH结构在低速、中速、高速冲击下的比吸能分别高于SCH结构28.74%、45.2%、7.03%。通过流固耦合仿真分析,对所设计的SQH夹层结构进行入水冲击降载研究,进一步讨论SQH夹层结构主要尺寸参数对入水冲击特性的影响。研究结果表明,在尺寸允许范围内,SQH单元倾角和单元壁厚的增大均使得结构产生的加速度峰值减小,动能转化为结构的变形能也减小,验证了用于工程需求的负泊松比结构拓扑优化设计的有效性。

关键词：跨介质飞行器负泊松比拓扑优化冲击吸能平台应力

维普期刊数据库博看期刊