摘要:

摘要:

摘要:合成孔径雷达(synthetic aperture radar,SAR)探测区域中存在一类微动目标,深入研究SAR回波中的微动特征信息,可以获取反映目标结构、运动等信息的特征量,在战场侦察监视、目标识别、精确制导等领域具有重大意义。为此,介绍了SAR-微动目标指示(SAR-MMTI)的概念及其国内外研究历史,综述了对SAR微动目标的特征提取与参数估计方法的研究现状,指出在SAR微动目标的探测运用中仍然存在算法运算量大,抗杂波噪声能力弱,无法适应多微动目标、大微动目标和复合微动目标等问题,提出了解决问题的思路,给出了仿真结果并对SAR微动目标特征提取与参数估计的发展趋势进行了展望。

摘要:随着弹道目标诱饵模拟、欺骗干扰等突防技术发展,真假弹道目标识别问题成为弹道目标防御系统的核心技术难题。为此,剖析了下一代弹道目标防御雷达体制模式及关键技术,从单基地雷达和双基地雷达2个角度,综述了弹道目标特征提取的研究现状,并对弹道目标特征提取技术的发展做了展望。

摘要:物联网(internet of things, IoT )设备漏洞带来的安全问题引发了研究人员的广泛关注,出于系统稳定性的考虑,设备厂商往往不会及时更新IoT固件中的补丁,导致漏洞对设备安全性影响时间更长;同时,大部分IoT固件文件源码未知,对其进行漏洞检测的难度更大。基于机器学习的代码比较技术可以有效应用于IoT设备的漏洞检测,但是这些技术存在因代码特征提取粒度粗、提取的语义特征不充分和代码比较范围未进行约束而导致的高误报问题。针对这些问题,提出一种基于神经网络的两阶段IoT固件漏洞检测方法。基于代码的多维特征缩小代码比较范围,提高比较的效率和精确度;再基于代码特征,用神经网络模型对代码相似程度进行学习,从而判断二进制IoT固件的代码与漏洞代码的相似程度,以检测IoT固件中是否存在漏洞,最后实验证明了所提方法在IoT固件检测中的有效性。

摘要:针对现有多Agent系统易受到恶意攻击、难以验证代理身份及代理间难以建立信任机制等安全问题,围绕多Agent分层系统架构,提出一种采用基于数字签名和非对称加密的多Agent通信加密方法,有效保证了通信环节的系统安全,防范了Agent代理身份被冒用。基于动态博弈对抗的思路,在多Agent体系评估的基础上,利用贪婪算法和遗传算法优化多Agent系统安全选择策略,提高了防御者在攻防博弈中获胜概率并缩短了攻防博弈轮次,保证了通信环节的安全防御,防止Agent代理信息被攻击者窃取。

摘要:在软件漏洞检测领域,传统神经网络模型和图神经网络模型是已被验证的有效方法。目前,方案大多针对源代码进行漏洞检测,运用神经网络模型对二进制软件进行漏洞检测的研究相对较少,更是缺乏对图神经网络在二进制软件漏洞检测方面的研究。为充分研究神经网络模型在二进制软件漏洞检测方面的有效性,提出了一种基于复合式神经网络的二进制软件漏洞检测方法。将二进制代码向量化表示为同时支持传统神经网络模型和图神经网络模型训练的图数据结构;使用传统神经网络模型和图神经网络模型相结合的复合式神经网络模型对图数据结构进行学习和验证;在公开的二进制软件漏洞数据集上进行实验和对比分析,结果表明该方法能够有效提升漏洞检测能力,在准确率、精确度等性能指标方面都有明显提升。

摘要:对于多站无源定位而言,采用最小二乘等方式的解析算法通常要求增加冗余站实现方程组的线性转化,算法成本和复杂度高,采用泰勒展开等方式的迭代算法在初值较差时易迭代发散、陷入局部最优。针对此类问题,结合地基无源侦察特点和时差中点测向特性,提出了3种基于地球椭球模型的地基无源定位近似解析算法。仿真验证表明,测向定位近似解析算法精度很高,可替代迭代法进行工程应用,时差定位和联合定位近似解析算法作为迭代法初值时能够快速实现迭代收敛。相较于传统的解析算法,提出的3种近似解析算法计算复杂度低,无需增加冗余观测站且不涉及高次方程求解。

摘要:波形单元是多功能雷达(multi-function radar,MFR)发射信号的基本构成,其提取的准确性直接影响后续MFR行为意图的分析。针对非协作MFR截获信号在无先验信息情况下波形单元提取时效性不佳的问题,提出了一种基于分步变门限孤立森林的波形单元提取方法。对接收的MFR脉冲信号进行漏脉冲和伪脉冲的检验,在获得脉冲参数一阶差分数据后,采用改进的分步变门限孤立森林算法进行波形单元起始脉冲搜索,实现无监督波形单元提取。理论分析和实验表明,该方法在保证波形单元提取鲁棒性的同时,显著降低了计算复杂度。

摘要:为提升MIMO雷达发射功率利用率,改善对目标的探测性能,研究了期望方向图匹配下的发射波形设计方法。建立了发射波形恒模约束下的方向图匹配加权优化模型;基于循环优化和majorization-minimization(MM)算法对原始非凸优化问题进行求解,通过构造合适的上界函数,可将原始问题松弛为等式约束下的序列线性规划问题,并能保证算法的收敛性;由于每一次迭代都能给出子问题的闭式解,因而所提方法的计算复杂度较低;仿真实验表明了所提方法的有效性。