随着全球信息化进程的推进,网络风险已经成为阻碍信息化进程的一个重要因素,网络安全问题成为公众关注的焦点。计算机网络安全事件包括病毒、木马、蠕虫、网络监听、黑客攻击、恶意软件、网页仿冒、僵尸网络等,为帮助网民更加有效地防...随着全球信息化进程的推进,网络风险已经成为阻碍信息化进程的一个重要因素,网络安全问题成为公众关注的焦点。计算机网络安全事件包括病毒、木马、蠕虫、网络监听、黑客攻击、恶意软件、网页仿冒、僵尸网络等,为帮助网民更加有效地防范网络安全事件,针对网络风险防范数据管理的特点,开展了网络风险防范数据库和数据仓库的研究与设计。该研究通过收集、整理和分析一些权威网站关于各种网络安全事件的统计信息以及历年的网络安全调查报告,以SQL Server 2000作为数据库管理系统,建立了一个关于具体网络安全事件的数据库和数据仓库,其中数据仓库中存储了病毒、木马、僵尸网络、网络钓鱼等具体网络安全事件在不同月份或年份的统计信息。随着数据库中数据的不断完善和充分,可以进一步建立挖掘模型,分析这些历史数据,从而为网络安全风险防范提供基础支持。展开更多
土壤侵蚀是影响全球土地退化和可持续发展的重大环境问题。土壤侵蚀模型可估算土壤流失的空间和时间分布,为制定流域水土资源保护政策与实施有效战略提供支持。修订版通用土壤流失方程(RUSLE,Revised Universal Soil Loss Equation)模...土壤侵蚀是影响全球土地退化和可持续发展的重大环境问题。土壤侵蚀模型可估算土壤流失的空间和时间分布,为制定流域水土资源保护政策与实施有效战略提供支持。修订版通用土壤流失方程(RUSLE,Revised Universal Soil Loss Equation)模型以其兼具简单性与准确性,成为全球应用最广泛的土壤侵蚀模型之一。在RUSLE模型的输入参数中,地形因子(LS因子)对土壤流失潜力的影响最为显著,而LS因子的输入数据和计算方法对最终RUSLE模型计算的质量会有直接影响。为此构建了中国区域30米分辨率LS因子数据集(LS_China)。本数据集采用开源工具SAGA(自动化地球科学分析系统)和GDAL(地理空间数据抽象库),基于公开的SRTM30米高程数据集(SRTMGL1)计算获得,覆盖整个中国区域。数据被组织成单独的栅格化图块,每个栅格化图块覆盖1°×1°的范围,以Geotiff格式存储。在大尺度范围的数据计算过程中,基于对数据的空间分解,采用邻域依赖的计算方法,同时采用多流算法,保证LS因子计算的准确性。在数据质量控制方面,通过变异系数(CV)验证并与同一区域的其他数据集进行比较。结果表明,LS_China数据集的变异系数为1.24,相较于其他数据集,其内部异质性较小,具备高质量和高可靠性。本数据集可用作各种尺度(地方、区域、国家)的任何土壤侵蚀评估的输入数据。展开更多
文摘随着全球信息化进程的推进,网络风险已经成为阻碍信息化进程的一个重要因素,网络安全问题成为公众关注的焦点。计算机网络安全事件包括病毒、木马、蠕虫、网络监听、黑客攻击、恶意软件、网页仿冒、僵尸网络等,为帮助网民更加有效地防范网络安全事件,针对网络风险防范数据管理的特点,开展了网络风险防范数据库和数据仓库的研究与设计。该研究通过收集、整理和分析一些权威网站关于各种网络安全事件的统计信息以及历年的网络安全调查报告,以SQL Server 2000作为数据库管理系统,建立了一个关于具体网络安全事件的数据库和数据仓库,其中数据仓库中存储了病毒、木马、僵尸网络、网络钓鱼等具体网络安全事件在不同月份或年份的统计信息。随着数据库中数据的不断完善和充分,可以进一步建立挖掘模型,分析这些历史数据,从而为网络安全风险防范提供基础支持。
文摘土壤侵蚀是影响全球土地退化和可持续发展的重大环境问题。土壤侵蚀模型可估算土壤流失的空间和时间分布,为制定流域水土资源保护政策与实施有效战略提供支持。修订版通用土壤流失方程(RUSLE,Revised Universal Soil Loss Equation)模型以其兼具简单性与准确性,成为全球应用最广泛的土壤侵蚀模型之一。在RUSLE模型的输入参数中,地形因子(LS因子)对土壤流失潜力的影响最为显著,而LS因子的输入数据和计算方法对最终RUSLE模型计算的质量会有直接影响。为此构建了中国区域30米分辨率LS因子数据集(LS_China)。本数据集采用开源工具SAGA(自动化地球科学分析系统)和GDAL(地理空间数据抽象库),基于公开的SRTM30米高程数据集(SRTMGL1)计算获得,覆盖整个中国区域。数据被组织成单独的栅格化图块,每个栅格化图块覆盖1°×1°的范围,以Geotiff格式存储。在大尺度范围的数据计算过程中,基于对数据的空间分解,采用邻域依赖的计算方法,同时采用多流算法,保证LS因子计算的准确性。在数据质量控制方面,通过变异系数(CV)验证并与同一区域的其他数据集进行比较。结果表明,LS_China数据集的变异系数为1.24,相较于其他数据集,其内部异质性较小,具备高质量和高可靠性。本数据集可用作各种尺度(地方、区域、国家)的任何土壤侵蚀评估的输入数据。
