针对现有RBAC(Role-Based Access Control)委托授权模型存在的不足:其一,没有有效地实现细致委托粒度;其二,权限传播没有得到很好的控制,给出一种基于映射机制的细粒度角色委托模型RDBMPM(Fine-Grained Role Delegation Model Based Per...针对现有RBAC(Role-Based Access Control)委托授权模型存在的不足:其一,没有有效地实现细致委托粒度;其二,权限传播没有得到很好的控制,给出一种基于映射机制的细粒度角色委托模型RDBMPM(Fine-Grained Role Delegation Model Based Permission Mapping Mechanism),该模型基于向量化与度量化算子的复合运算,提出了度量角色的概念,并以其为授权粒度对委托约束机制进行讨论,增强了权限传播的可控性.最后,通过三个典型的支持细粒度委托的模型在映射机制下的具体实现,验证了RDBMPM模型的研究意义.展开更多
针对广域测量系统中的测量数据受到攻击时,快速频率响应(fast frequency response,FFR)控制系统被欺骗而生成错误控制命令进而危害电网安全的问题,该文提出一种面向虚假数据注入攻击的新型FFR网络安全防御控制策略。该策略首先利用连续...针对广域测量系统中的测量数据受到攻击时,快速频率响应(fast frequency response,FFR)控制系统被欺骗而生成错误控制命令进而危害电网安全的问题,该文提出一种面向虚假数据注入攻击的新型FFR网络安全防御控制策略。该策略首先利用连续小波变换对被攻击数据进行时频分析,再提出一种攻击重组卷积神经网络用于虚假数据检测。针对被判别为被攻击的测量值,基于提出的新型网络攻击防御控制,以迅速恢复FFR的误响应量,减少FFR误动作造成的影响;若测量数据正常,则结合FFR快速响应恢复控制策略以恢复FFR响应速率,保持FFR的快速响应特性。基于实测频率数据与PSCAD环境的仿真实验表明,所提出的策略可以迅速检测网络攻击,并实时调节FFR输出,提高系统在网络攻击下的运行稳定性。展开更多
针对堤防工程防渗加固方法的优选问题,充分借助已有工程的加固案例,综合应用基于实例的推理(Case Based Reasoning,CBR)方法和自组织特征映射神经网络(SOFM),在对影响加固方法选择的主要因素分析基础上,研究建立加固工程和实例之间相似...针对堤防工程防渗加固方法的优选问题,充分借助已有工程的加固案例,综合应用基于实例的推理(Case Based Reasoning,CBR)方法和自组织特征映射神经网络(SOFM),在对影响加固方法选择的主要因素分析基础上,研究建立加固工程和实例之间相似性的计算公式;利用自组织特征映射神经网络高度的自组织性和自适应性,对实例库中的实例进行动态聚类,提出以SOFM为检索机制的实例检索模型。将所述模型和方法应用于某实际工程,研究该堤防工程防渗加固方案生成的过程,分析模型和方法的有效性。算例分析表明:利用所建模型能够缩小实例检索的范围,提高检索的效率;有效利用了以往加固实例中积累的经验和知识,减少了对专家的依赖,可提高加固方法选择的效率和加固决策的智能化水平。展开更多
文摘针对现有RBAC(Role-Based Access Control)委托授权模型存在的不足:其一,没有有效地实现细致委托粒度;其二,权限传播没有得到很好的控制,给出一种基于映射机制的细粒度角色委托模型RDBMPM(Fine-Grained Role Delegation Model Based Permission Mapping Mechanism),该模型基于向量化与度量化算子的复合运算,提出了度量角色的概念,并以其为授权粒度对委托约束机制进行讨论,增强了权限传播的可控性.最后,通过三个典型的支持细粒度委托的模型在映射机制下的具体实现,验证了RDBMPM模型的研究意义.
文摘针对广域测量系统中的测量数据受到攻击时,快速频率响应(fast frequency response,FFR)控制系统被欺骗而生成错误控制命令进而危害电网安全的问题,该文提出一种面向虚假数据注入攻击的新型FFR网络安全防御控制策略。该策略首先利用连续小波变换对被攻击数据进行时频分析,再提出一种攻击重组卷积神经网络用于虚假数据检测。针对被判别为被攻击的测量值,基于提出的新型网络攻击防御控制,以迅速恢复FFR的误响应量,减少FFR误动作造成的影响;若测量数据正常,则结合FFR快速响应恢复控制策略以恢复FFR响应速率,保持FFR的快速响应特性。基于实测频率数据与PSCAD环境的仿真实验表明,所提出的策略可以迅速检测网络攻击,并实时调节FFR输出,提高系统在网络攻击下的运行稳定性。
文摘针对堤防工程防渗加固方法的优选问题,充分借助已有工程的加固案例,综合应用基于实例的推理(Case Based Reasoning,CBR)方法和自组织特征映射神经网络(SOFM),在对影响加固方法选择的主要因素分析基础上,研究建立加固工程和实例之间相似性的计算公式;利用自组织特征映射神经网络高度的自组织性和自适应性,对实例库中的实例进行动态聚类,提出以SOFM为检索机制的实例检索模型。将所述模型和方法应用于某实际工程,研究该堤防工程防渗加固方案生成的过程,分析模型和方法的有效性。算例分析表明:利用所建模型能够缩小实例检索的范围,提高检索的效率;有效利用了以往加固实例中积累的经验和知识,减少了对专家的依赖,可提高加固方法选择的效率和加固决策的智能化水平。
