基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

无人机的发展及其气动设计

首先分析了新军事革命对空中对抗途径的影响,指出２１世纪初的空中力量将由有人机和无人机混合组成。接着分析了无人机的发展趋势,指出国外在发展无人侦察机和有人战斗机的基础上,正在发展无人战斗机。在介绍了无人侦察机的气动设计之后,重点讨论了无人战斗机的气动设计。为了要满足隐身、高升阻比和高机动性的要求,无人战斗机的布局方案大多是无尾方案,并采用推力矢量控制。对于无尾布局来说,在气动方面的最大挑战是寻找新的操纵机构。最后,对无人机的空气动力学课题提出了建议。     

一维PSD位置敏感光电器件的应用研究

本文简要叙述了一维ＰＳＤ位置敏感光电器件的工作原理,以及采用光学三角法测量构成的尺寸测量传感器,重点介绍ＰＳＤ、半导体激光器实现铁路的钢轨磨耗自动检测的方法。     

国外反无人机系统发展动态与趋势分析

随着无人机技术的迅速发展,高空、高速、隐身、长航时无人机,高超声速无人作战飞机以及微型无人机在战争中扮演着越来越重要的角色,对原有的国家防空体系构成了极大挑战.不少国家都已经意识到这个问题,相继提出了反无人机需求和计划,相关工业部门和军事部门都在积极研究反无人机技术和系统.对国外反无人机技术/系统的发展现状和动态进行了跟踪,提出反无人机技术的发展趋势.     

全固态激光器脉宽测试技术研究

介绍了一种采用高响应频率的探测器和数字存储示波器组成的全固态激光脉宽的测试系统,探讨了脉宽和脉冲重复频率的测试方法,该测试方法具有灵敏度高、读数方便准确、波形可存储和数据处理方便等优点,满足纳秒级高重复频率全固态激光器件的频率、脉宽实时测量的需求。     

基于三支决策和数据增广的入侵检测算法

针对传统的入侵检测方法在未知攻击上表现不佳、且没有考虑信息不足的情况对于决策的影响的问题,本文提出了一种基于三支决策和数据增广的入侵检测算法CGAN-3WD。算法利用条件生成对抗网络来满足三支决策理论对数据信息的需求。首先基于三支决策理论对网络行为做出决策,将网络行为划分至正域、负域以及边界域中;之后基于条件生成对抗神经网络来完成数据增广,生成新的样本数据,从而为分类器提供更多的信息以支撑分类器将边界域转化为正域或者负域。NSL-KDD数据集被用于本文的实验中,实验证明,本文提出的算法CGAN-3WD在对入侵行为的检测上要优于对比的方法,能够有效地检测出入侵行为。     

光电探测激光测距机故障分析

针对某型飞机光电探测设备激光测距机辐射能量不满足要求的故障进行分析研究,查找故障原因,对由激光溅射引起的激光辐射器激光棒端面污染导致激光能量下降问题进行了排除,提出了改进措施建议,对提高光电探测设备工作的可靠性有重要意义.     

靶场光电外测数据修正及弹道精确复现方法

在导弹实验靶场采用多套光电外测设备测量弹道时，一方面不同设备在交接工作时会引起位置偏差；另一方面，利用位置参数中心微分平滑方法解算速度和加速度时,存在跳变和噪声过大的现象。二者都会导致测量的弹道与实际飞行轨迹不符,不利于与内测参数进行精度比对。本文针对光电外测设备交接引起的外测偏差，分析了误差主要是由常值误差、时间不对齐误差和随机误差组成，提出了多站交接点位置偏差分段修正方法，并且利用多项式拟合的算法对速度噪声平滑。最后，采用导弹试验的光电外测数据进行方法验证，修正了交接设备带来的位置偏差，较好地复现了飞行器的飞行弹道，既保证了弹道曲线的连续性，又满足了弹道的平滑性。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。