城域盒式WDM技术优势及部署建议

针对现有传统波分复用（WDM）难以同时满足运营商大规模部署和降本增效需求的问题。分析了城域盒式WDM设备较传统WDM设备在开放解耦、低能耗和低成本等方面的优势,并结合互联网数据中心（IDC）和城域云网等需求场景,提出了城域盒式WDM设备的组网部署应用建议,具有较强的可行性。     

广播视频融媒体直播平台的工程实践和创新

湖南广播电视台在融媒转型的发展过程中,结合本地市场对视频直播的需求,充分利用互联网云计算、5G通信及软件技术,在较低成本情况下获得了云导播、云剪辑、云点播、云互动等业内先进的互联网音视频直播能力,创立了广播云视频融媒体网络直播平台,提升了视频直播的生产和发布效率。结合传统广播专业音频直播和扩声能力,湖南广播电视台形成了独具特色的“音视画”广播全媒体传播矩阵,为广播融媒体转型蹚出了一条新路。基于此,详细介绍广播视频融媒体直播平台的工程实践与融合创新,为相关单位建设同类平台提供参考。     

信创环境下政务云网络安全技术的探索与应用

政务云网络基础设施建设对于提高政府政务信息化水平、优化政府职能、推进政府数字化转型具有深远意义。政务云网络的安全防护问题一直是政府和社会关注的焦点,多数政务云平台和租户对如何开展网络安全等级保护建设还存在很多疑问。文中从打造自主级保护建设的角度出发,探讨了政务云网络安全等级保护建设的现有技术现状和部署原理,并提出了政务云网络安全等级保护的建设思路和实践措施。     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达(LiDAR)的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型(HMM2)的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。     

云应用程序编程接口安全研究综述:威胁与防护

云时代,云应用程序编程接口(API)是服务交付、能力复制和数据输出的最佳载体。然而,云API在开放服务和数据的同时,增加了暴露面和攻击面,攻击者通过数据劫持和流量分析等技术获取目标云API的关键资源,能够识别用户的身份和行为,甚至直接造成背后系统的瘫痪。当前,针对云API的攻击类型繁多,威胁与防护方法各异,缺乏对现有攻击和防护方法的系统总结。该文梳理了云API安全研究中云API面临的威胁和防护方法,分析了云API的演化历程和类别划分;讨论了云API的脆弱性以及云API安全研究的重要性;提出了云API安全研究框架,涵盖身份验证、云API分布式拒绝服务(DDoS)攻击防护、重放攻击防护、中间人(MITM)攻击防护、注入攻击防护和敏感数据防护6个方面相关研究工作综述。在此基础上,探讨了增加人工智能(AI)防护的必要性。最后给出了云API防护的未来挑战和发展趋势。     

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

AccFed:物联网中基于模型分割的联邦学习加速

随着物联网(IoT)的快速发展,人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限,并且这些设备通常具有隐私保护的需求,那么在保护隐私的同时,如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式,在隐私保护和提升模型性能等方面,具有巨大的潜力,但是通信及本地训练效率低。为了解决上述难题,该文提出一种FL加速框架AccFed。首先,根据网络状态的不同,提出一种基于模型分割的端边云协同训练算法,加速FL本地训练;然后,设计一种多轮迭代再聚合的模型聚合算法,加速FL聚合;最后实验结果表明,AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。     

论可信计算3.0技术对工业互联网云平台安全防护的重要性

从互联网时代到万物互联的数字智能时代,网络安全的战略地位越来越高,网络安全防护技术也不断升级迭代。近年来,可信计算正逐步成为网络安全领域的主流技术之一,可信计算3.0技术在工业控制领域应用前景广阔,能够提升我国工业互联网的安全防护能力。文中从工业互联网安全的背景出发,分析了可信计算技术对于网络安全的重要性,提供了可推广的技术案例,并对可信计算技术的未来发展进行了展望。     

集团云视频会议系统设计与应用实践

当前,视频会议已成为集团企业管理的常态工作方式,各行各业对视频会议的需求呈现出爆发式增长趋势,对视频会议的质量、接入便利性、系统可用性等方面提出了更高的要求。对此,根据新技术的应用及管理新需求,结合视频会议应用现状,本文设计了云视频会议的架构,从会议管理能力、云上云下联动能力、异构网络协同能力、系统可靠性等4方面提出会议功能的实现路径,同时从制度规范、技术保障、组织协同等方面入手,探索出保障视频会议高效应用的基本方法。