HoneyBow: 一个基于高交互式蜜罐技术的恶意代码自动捕获器

恶意代码已成为互联网最为严重的安全威胁之一，自动化捕获恶意代码样本是及时有效地应对恶意代码传播的必要前提，提出了一个基于高交互式蜜罐技术的恶意代码自动捕获器HoneyBow。相比较于基于低交互式蜜罐技术的Nepenthes恶意代码捕获器，HoneyBow具有恶意代码捕获类型更为全面、能够捕获未知恶意代码的优势，互联网上的实际恶意代码捕获记录对比和Mocbot蠕虫的应急响应处理实例对其进行了充分验证。     

手持式超高频RFID读写器天线设计技术综述

天线作为手持式超高频射频识别技术(Radio frequency identification technology,RFID)读写器中的关键部件,其性能直接影响到RFID系统的读写距离和读写器体积大小.论文分析研究各种手持式超高频RFID读写器天线的设计技术,重点介绍应用最广的微带天线设计方法、技巧及发展趋势.     

频率步进伪码-线性调频信号处理方法及成像

伪码-线性调频(PRBC-LFM)信号具有伪随机相位编码信号和线性调频信号的优点,是一种具有优良抗干扰性能和宽带特性的复合信号。提出一种针对宽带伪码-线性调频信号全去斜接收处理方法,能够实现在较低速率采样条件下完成对宽带伪码-线性调频信号的脉冲压缩。并结合频率步进技术,设计和实现了超大带宽的伪码-线性调频信号,对各子脉冲信号进行脉冲压缩后在频域进行相干合成,对合成得到的大带宽频谱进行逆傅里叶变换得到目标的高分辨力一维距离像。点目标一维距离像仿真和地面运动目标ISAR成像实验均验证了本方法的有效性。     

载体运动情况下星敏感器测量误差建模与分析

针对星敏感器高精度测量需求,提出了一种载体运动情况下的非线性误差解算方法。分析了星敏感器的误差来源,建立了其测量矢量的线性误差模型;然后根据星敏感器工作特点及非线性误差来源,提出了具有明确物理意义的非线性误差模型改进算法。以某弹载星敏感器为例进行了实验,结果表明,该方法可更好地辨识各项误差大小,对提高星敏感器的标校精度和工作性能具有一定的指导意义。     

评估电子产品平均寿命的一种变动统计方法

本文提出一种评估电子产品可靠性的方法。它把电子产品定型前诸阶段不属于同一个母体的数据作为定型阶段补充数据。此方法有可能使定型试验所需的样品数大大节省,或者在同样样品数情况下,使给出的评估值更为可靠。本文所介绍的原理与方法不只适用于评估电子产品的平均寿命,也可用于精度及结构可靠性等指标的评定。     

基于FPGA的超声波传感器前端电路设计

超声波传感器广泛应用于风速、风向的测量,前端电路的设计直接关乎系统性能的好坏.为达到稳定的驱动效果,驱动电路采用了低压驱动方式.为能接收稳定、准确的超声波信号,设计了接收及信号处理电路,进行接收抗干扰限幅处理、前置放大、带通滤波、自动增益控制放大和电压比较,将所接收的超声波交变电压信号转换成可供FPGA 直接使用的数字信号.实验结果验证,各个电路模块的设计均满足系统要求.     

基于用电信息采集的智能反窃电技术探析

本文将对利用用电信息采集系统的智能反窃电技术进行详细的介绍。结合自身经验对其应用加以探究,以供大家参考。     

基于漏洞严重程度分类的漏洞预测模型

软件漏洞预测模型有许多种,能预测软件中存在的漏洞总数以及发生的时间间隔,但不能预测软件漏洞的严重程度。然而在某些场合,如软件可信性,我们不仅要考虑软件漏洞发生的总数和时间间隔,而且也要考虑漏洞发生的严重程度对软件可信性的影响。既是在传统的软件安全性研究中,考虑漏洞发生的严重程度的影响,对软件的使用和风险控制也是很重要的。本文基于传统的马尔可夫模型,将软件漏洞按发生的严重程度进行分类,获得了一种新的软件漏洞预测数学模型。利用该模型不仅能够预测软件中存在的漏洞总数和时间间隔,而且同时也能预测每一类的漏洞总数和漏洞种类,试验表明有较好的准确度,这是其它漏洞预测模型所无法预测的。     

基于谐振原理的RF MEMS滤波器的研制

采用与IC工艺兼容的硅表面MEMS加工技术,以碳化硅材料作为结构材料,研制出一种新型的基于谐振原理工作的RF MEMS滤波器。详细介绍了器件的工作原理、制备方法、测试技术和结果,并对测试结果做出分析。该RF MEMS滤波器由弹性耦合梁连接两个结构尺寸和谐振频率完全相同的MEMS双端固支梁谐振器构成,MEMS谐振器的结构决定了滤波器的中心频率,弹性耦合梁的刚度决定了滤波器的带宽。在大气环境下测试器件的频响特性,得到中心工作频率为41.5MHz,带宽为3.5MHz,品质因数Q为11.8。     

基于改进RGB-N的图像操纵检测算法

如何准确地检测出图像中的操纵痕迹是数字图像被动取证领域的研究重点.传统方法利用人工构造的特征进行检测,鲁棒性不强,而基于深度学习的方法虽具有较强的检测能力,但较少关注在正常图像上出现误检的情况.提出了一种改进的RGB-N图像操纵检测算法,该算法在使用F1分数评价操纵目标检测性能的同时,引入了在正常图像上的误检率指标来评价算法的实用性.设计了自适应空域富模型滤波器,构造多尺度融合的特征提取网络,并接入自注意力模块,增强了模型获取图像全局信息的能力,提高检测性能;为降低误检率,设计了真实性判断模块,输出的热图用于判断检测到的目标是否为误检,并通过从操纵目标来源图像选择负样本的训练策略进一步提高模型的分辨能力.实验结果表明,改进的RGB-N模型在含目标拼接与擦除两种操纵手段的数据集上的F1分数为0.759,在未操纵图像数据集上的误检率为0.2％,并在JPEG压缩攻击下具有较好的鲁棒性.