收稿日期: 2024–05–13 ; 修回日期: 2024–06–28 ; 录用日期: 2024–07–05 ; 网络首发时间: 2024–07–19 15:22:18 网络首发地址: https://doi.org/10.13801/j.cnki.fhclxb.20240718.003 基金项目: 国家自然科学基金 (51902125) ; 吉林市科技发展计划资助项目 (20210103092) ; 第七批吉林省青年科技人才托举工程 (QT202316) National Natural Science Foundation of China (51902125); Science and Technology Development Plan of Jilin City (20210103092); Seventh Batch of Jilin Province Young Science and Technology Talents Promotion Project (QT202316) 通信作者: 陈杰 , 博士 , 副教授 , 硕士生导师 , 研究方向为碳纤维复合材料的开发与应用 E-mail: jiechendr@163.com
https://www.data.jma.go.jp/trd/tml_yf_pprec_pprec_pprec_nop_no = 476https://www.data.jma.go.jp/trd/tml_yf_pprec_pprec_pprec_nop_no = 476
当前汽车领域的研究已经从安全角度证明了控制器局域网 ( CAN ) 协议的局限性。应用层攻击涉及创建恶意数据包,被认为可以从远程进行,但可以被现代入侵检测系统 ( IDS ) 轻松检测到。另一方面,较新的链路层攻击更隐蔽,可能更具破坏性,但需要物理访问总线。在本文中,我们介绍了 CANflict,这是一种纯软件方法,允许从未修改的微控制器在数据链路层可靠地操纵 CAN 总线,克服了最先进工作的局限性。我们证明可以从远程受感染的 ECU 部署隐秘的 CAN 链路层攻击,目标是同一 CAN 网络上的另一个 ECU。为此,我们利用微控制器外设之间存在的引脚冲突来制作多语言帧,这允许攻击者在位级别控制 CAN 流量并绕过协议规则。我们通过实验证明了我们的方法在高端、中端和低端微控制器上的有效性,并通过发布一个可扩展的工具为未来的研究奠定了基础,该工具可用于在不同平台上实现我们的方法并在数据链路层构建 CAN 对策。
摘要 在某些情况下,药物组合通过结合相同的蛋白质来影响不良结果表型;然而,药物结合蛋白通过细胞内的蛋白质-蛋白质相互作用 (PPI) 网络相关联,这表明药物表型可能是由远程网络效应引起的。我们首先使用 PPI 网络分析根据药物靶标下游的蛋白质对药物进行分类,然后预测药物组合效应,其中药物共享网络蛋白质但具有不同的结合蛋白(例如靶标、酶或转运蛋白)。通过使用下游蛋白质对药物进行分类,我们对黄金标准数据集中记录的罕见药物组合效应的预测灵敏度为 80.7%。我们进一步使用电子健康记录中的新观察性研究测量了预测的药物组合对不良结果表型的影响。我们测试了 60 个网络药物类别对 7 种不良结果的预测,并测量了预测组合的临床结果变化。这些结果展示了一种使用药物靶标下游蛋白质预测药物协同作用的新范例。
摘要 在当今高度数字化的社会中,安全信息检索是一项基本任务。在某些应用中,可能需要强制执行用户查询的隐私和数据库内容的安全性。对于这些设置,可以采用对称私有信息检索 (SPIR),但众所周知,其实现要求很高,需要私钥交换网络作为基础层。在这里,我们首次报告了由量子安全密钥交换网络连接的可证明安全的 SPIR 的实现。SPIR 方案着眼于生物特征安全性,可从包含 800 个条目的数据库中安全检索 582 字节的指纹文件。我们的实验结果清楚地证明了 SPIR 与量子安全通信的可行性,从而为未来量子互联网上的安全分布式数据存储和云计算开辟了新的可能性。
摘要:通过网络物理系统(CPS)的网络和物理系统的收敛已集成到网络物理生产系统(CPPS)中,从而导致范式转向智能制造。尽管CPP提供了变革性的好处,但其增加的连接性通过可剥削的脆弱性使制造商暴露于网络攻击。本文通过利用数字双(DT)技术来开发全面的安全模型,提出了一种新颖的CPP安全保护方法。该模型可以通过基于DT的虚拟调整来减轻脆弱组件的优先级,并支持优先级,从而提供定量评估结果以有效缓解。我们提出的DT安全模型也充当了高级仿真环境,促进了在不同的攻击方案中对CPP漏洞的评估,而不会破坏身体操作。通过在人类与机器人协作组装系统中的应用中,我们的方法的实用性和有效性得到了说明,这证明了DT技术的潜力。
脱碳的热量在全球向可持续能源转变中至关重要,并且废热液化带来了变革性的机会,尤其是在工业活动领域。因此,本研究研究了与非常规热源集成的区域供暖网络(DHN)的性能,特别是挖水和工业废物,旨在使人们对各种DHN配置的技术和环境含义有全面的了解。为此,已经开发并采用了一种精致的网络染色模拟模型来评估几种网络大小和热源组合的成本和性能,并针对英国巴恩斯利进行了案例研究。结果表明,大型网络的平均热效率约为87%。利用矿水的网络在11.6 - 11.9 p/kWh的范围内具有升级的热成本(LOCH);引入工业废物将其降低到10.6 - 10.7 p/kWh。此外,废热集成将所提供的热量的碳因子降低到0.05 kgco2/kWh。在案例研究网络所涵盖的地区从锅炉到区域供暖的过渡显示,降低边际排放量从44.76%到83.46%。这些网络实现经济生存能力的气价从8.6到8.8 p/kWh不等。总而言之,DHNS提出了,尤其是在用工业废热增强时,出现了作为Barnsley等领域的有前途的解决方案,以追求可持续的供暖。这些发现对于政策制定者和当地理事机构来说至关重要,因为英国可以满足其2050年净零野心。
通过网络分析可以研究细胞机制的动态。最简单但最流行的建模策略之一涉及基于逻辑的模型。然而,与节点的线性增加相比,这些模型仍然面临模拟复杂性的指数增长。我们将这种建模方法转移到量子计算中,并使用该领域即将推出的技术来模拟生成的网络。在量子计算中利用逻辑建模有很多好处,包括复杂性降低和系统生物学任务的量子算法。为了展示我们的方法对系统生物学任务的适用性,我们实施了一个哺乳动物皮层发育模型。在这里,我们应用了一种量子算法来估计模型达到特定稳定条件并进一步恢复动态的趋势。本文介绍了两个实际量子处理单元和一个噪声模拟器的结果,并讨论了当前的技术挑战。
供应链网络对于行业的运营效率至关重要,但其日益复杂的特性给映射关系和识别各种实体的角色带来了巨大挑战。构建供应链网络的传统方法严重依赖结构化数据集和手动数据收集,限制了其范围和效率。相比之下,自然语言处理 (NLP) 和大型语言模型 (LLM) 的最新进展为使用非结构化文本数据发现和分析供应链网络提供了新的机会。本文提出了一种新方法,利用 LLM 从公开来源提取和处理原始文本信息以构建全面的供应链图。我们以土木工程领域为例,展示了 LLM 如何揭示公司、项目和其他实体之间的隐藏关系。此外,我们对 LLM 进行了微调,以对供应链图中的实体进行分类,从而提供有关其角色和关系的详细见解。结果表明,特定领域的微调提高了分类准确性,凸显了 LLM 在行业特定供应链分析中的潜力。我们的贡献包括为土木工程领域开发供应链图,以及增强实体分类和供应链网络理解的微调 LLM 模型。