XiaoMi-AI文件搜索系统
World File Search SystemFlows
用于 O-RAN 中早期攻击检测和恶意流防御的跨域 AI
摘要 — 在对抗网络攻击的斗争中，网络软件化 (NS) 是一种灵活且适应性强的盾牌，它使用先进的软件来发现常规网络流量中的恶意活动。然而，移动网络的综合数据集仍然有限，而这些数据集对于开发用于在源头附近检测攻击的机器学习 (ML) 解决方案至关重要。跨域人工智能 (AI) 可以成为解决这一问题的关键，尽管它在开放无线接入网络 (O-RAN) 中的应用仍处于起步阶段。为了应对这些挑战，我们部署了一个端到端 O-RAN 网络，用于从 RAN 和传输网络收集数据。这些数据集使我们能够结合来自网络内 ML 流量分类器的知识进行攻击检测，以支持专门为 RAN 量身定制的基于 ML 的流量分类器的训练。我们的结果证明了所提出方法的潜力，准确率达到 93%。这种方法不仅弥补了移动网络安全方面的关键差距，而且还展示了跨域 AI 在提高网络安全措施有效性方面的潜力。索引词——跨域人工智能；攻击检测；移动网络；O-RAN；5G。I. 引言网络攻击呈上升趋势 [1]，网络处于防御的第一线。交换机、路由器、服务器和最终用户都需要保护以免受恶意威胁。网络软件化 (NS) 已成为这场斗争中的关键工具，它提供灵活性、可扩展性以及快速部署尖端软件解决方案的能力。NS 可帮助安全专业人员在大量良性网络流量中识别恶意活动。在对抗网络对手的斗争中，适应和快速应对新威胁的能力至关重要。因此，NS 可实现现代网络基础设施的弹性和完整性 [2]。在 NS 方面，软件定义网络 (SDN) 开创了高级可编程性的新时代。除其他功能外，它还允许将 ML 集成到数据平面 [3]–[5]。可编程网络设备彻底改变了网络的各个方面，实现了基于机器学习的动态拥塞控制策略 [6]、[7]、智能负载平衡机制 [8]、[9] 和精确的服务质量 (QoS) 管理 [10]–[12]。最近有许多出版物研究了流量分类 [13]–[17]，其中 [15]–[17] 中的研究使用流量分类进行攻击检测。尽管可编程数据平面被广泛使用，但在开发和部署新功能时仍需要考虑一些挑战。虽然 P4 语言提供了巨大的潜力，但诸如缺乏对浮点的支持等限制
可再生能源对乌兹别克斯坦电力系统电力潮流的影响
由于需要解决一系列经济、人口和环境问题，全球范围内出现了一种新的全球能源发展理念。如今，太阳能、风能和核能以及能源效率已成为全球能源发展的支柱，可以为民众和工业提供长期的“清洁”能源。这是由于经济上可行的石油、煤炭和天然气田的枯竭以及气候变化问题。化石燃料在全球能源结构中占主导地位的时期即将结束。分析人士乐观地认为，到 2050 年，太阳能和风能在全球能源结构中的份额将超过 50% [1-3]。面对化石燃料的过度使用，全球工业和商业的快速增长导致可用能源严重短缺。除了对供应安全的担忧之外，出于环境考虑，投资低碳发电技术已成为世界许多政府能源议程的首要任务。因此，利用可再生能源发电是一种可行的选择，不仅可以满足不断增长的能源需求，还可以保护环境。由于可再生能源具有间歇性，且分布在地理上分散，因此整合它们给电网增加了额外的不确定性和障碍。可再生能源带来的能源生产快速增长需要进行各种研究来评估可再生能源整合对电力系统的影响。乌兹别克斯坦通过了多项政府决议，以扩大可再生能源的使用。这些决议旨在到 2025 年和 2030 年将可再生能源在总发电量中的份额分别提高到 20% 和 25% [4-6]。
新冠肺炎疫情前外国直接投资流动对经济增长的影响
很有可能。我们日益全球化的消费和生产体系建立了错综复杂的国际合作网络。这得益于外国直接投资。尽管外国直接投资经常被认为是新兴经济体繁荣的驱动力，但当前的研究却揭示了另一种情况。外国直接投资可以说是一家公司在其本国以外投资于建筑、工业、机械或其他基础设施的资金。通过全球投资，公司可以获得其生产过程所需的原材料。在发展中国家投资有利可图，因为那里的价格通常较低且监管灵活。发展中国家的外国直接投资已得到广泛的研究。然而，直到最近它才与自然资源枯竭有关。纽卡斯尔大学的 Michael Long 和 Paul Stretesky 以及南佛罗里达州的 Michael Lynch 在《社会与自然资源》杂志的一篇文章中探讨了外国直接投资对发展中国家自然资源枯竭的影响（Long、Stretesky 和 Lynch，2017 年）。他们假设，外国直接投资会导致自然资源枯竭，同时又会促进人们依赖靠这种枯竭获得的收入。通过不可持续的林业技术创造的资金就是由资源减少而产生收入的一个例子。通过分析 2005 年至 2013 年 125 个发达国家的数据，他们发现这两个假设都是正确的。环境恶化有两种类型：生态增加和环境退化。生态增加意味着生产过程产生的污染，例如工业产生的二氧化碳排放，增加了环境污染。生态召回，例如采矿或砍伐树木，是环境的“退化”。环境中不可再生资源的不断减少导致了自然资源的枯竭。本文重点关注自然资源的枯竭，特别是能源、森林和采矿业，例如煤炭、天然气和石油。一项新研究发现，外国直接投资的逐年增长加剧了新兴国家能源、林业和矿产资源的枯竭（Bok-pin，2017 年）。研究表明，投资外国直接投资会加剧资源枯竭。外国直接投资 (FDI) 还可以扩大供应网络，使发展中国家能够“仓储”供应。污染和浪费造成的资源枯竭以及资源枯竭也意味着更大的生态影响。这与“生产跑步机”理念有关，该理念认为，随着世界经济崛起耗尽资源并污染环境，它会促进经济增长。富裕国家享受高消费水平，而欠发达国家则遭受生产影响。研究表明，从事大量外国直接投资 (FDI) 的低收入发展中国家对森林和矿产收入的依赖性增加。Said 表示，FDI 刺激了自然资源的使用，以维持经济。作者描述了一个正反馈循环，因为作者们相互促进。外国直接投资增加，导致金融
利用惠更斯源调节微波传输线系统中功率的流动方向
摘要 — 开发了一种基于惠更斯源的创新方法来调节微波传输线系统中功率流动的方向，并通过测量进行了验证。惠更斯源中电流和磁流之间的相位差可用于精细控制波传播幅度的比率，从而使功率沿传输线以相反的方向流动。通过矩形波导作为传输线系统的场分布以及惠更斯源驱动的传输线电路模型中的电压和电流，阐明了工作原理。分别用电流源和磁流源激励的传输线电路模型以及它们的平衡组合提供了一种精确的方法来定量展示惠更斯源功率流的可调谐性。在微波矩形波导中实施了概念验证实验以验证理论分析。测量结果与模拟值高度一致，表明所报告的方法可实现宽带操作和大动态方向功率比，这有利于设计多功能电磁设备和系统。
棱镜生命Epo4电池模块的热管理，带有倒置的Zigzag传播的铁氟烷流
Sarawut Sirikasemsuk，1个Ponthep Vengsungnle，2 Smith Eiamsa-Ard 3和Paisarn Naphon 4，*摘要电池模块的热管理在其一生，性能，性能和安全风险中起着至关重要的作用。超载或外部热量会导致热失控。在高操作条件下，电池内部的电解质蒸发并产生较高的压力，导致电解质分解，泄漏，点燃和爆炸。使用湍流混合物，考虑了电池通过电池壳的流动的锯齿形流动的热行为。计算域包含十二个棱镜Lifepo 4电池电池，并具有四个冷却流夹克配置。从比较过程中达成了合理的协议。随着工作流体和较高浓度，TIO 2纳米流体和Fe 3 O 4的出口冷却剂温度高于水的高度，可提高去除热量能力。反向Zigzag引导流量降低了电池温度。电池模块的最高温度梯度分别为5.00 O C，4.60 O C，4.53 O C，3.41 O C和1.85 O C，分别为I，II（a），II（a），II（b），III和IV。因此，这种冷却系统可能是设计电池模块内部区域的冷却系统的替代方法，尤其是大型模块。
重新配置能源流：能源网锁和区域在塑造电力基础设施中的作用
摘要 本文探讨了如何从区域视角提供一个富有洞察力的框架来研究能源转型中的机构分配，特别参考了重组电网以适应可再生能源扩张这一普遍存在的问题。理解这一领域的治理和机构需要一个概念框架，该框架可以捕捉基础设施的分层性质以及网络治理与其他政府领域之间的功能和地域不匹配。因此，本文采用了 Barry 的“技术区”概念，并用它来研究意大利两个地区的电网容量挑战和潜在解决方案。本文探讨了区域政府如何利用技术经济机会和固定因素在其行政区域内开发能源网络解决方案，并展示了区域级机构的性质（尽管是部分的）和范围。研究结果强调，区域不仅应被视为治理层，还应被视为激发创新的问题和行动场所。我们认为，虽然在所选案例中区域层面对网络基础设施的监管影响不大，但区域在直接或间接地使其领土可用于基础设施投资和调解潜在制约因素方面发挥着作用。
重新配置能源流：能源网锁和区域在塑造电力基础设施中的作用
摘要 本文探讨了如何从区域视角提供一个富有洞察力的框架来研究能源转型中的机构分配，特别参考了重组电网以适应可再生能源扩张这一普遍存在的问题。理解这一领域的治理和机构需要一个概念框架，该框架可以捕捉基础设施的分层性质以及网络治理与其他政府领域之间的功能和地域不匹配。因此，本文采用了 Barry 的“技术区”概念，并用它来研究意大利两个地区的电网容量挑战和潜在解决方案。本文探讨了区域政府如何利用技术经济机会和固定因素在其行政区域内开发能源网络解决方案，并展示了区域级机构的性质（尽管是部分的）和范围。研究结果强调，区域不仅应被视为治理层，还应被视为激发创新的问题和行动场所。我们认为，虽然在所选案例中区域层面对网络基础设施的监管影响不大，但区域在直接或间接地使其领土可用于基础设施投资和调解潜在制约因素方面发挥着作用。
对不同微通道形状内的多相流进行建模的方法
1物理学系，科学学院阿巴（Abha），国王哈利德大学（Khalid University），阿巴61421，沙特阿拉伯； amabedei@kku.edu.sa 2计量与能源系统研究实验室，能源工程系，国家工程学系，莫纳斯蒂尔大学，莫纳斯蒂尔5000，突尼斯3号，突尼斯3号3号高中生学院，哈马姆·索斯（Hammam Sousse），索斯大学（Sousse University of Hammam Sesse），Sousse University，Hammam Souse 4011，Hamammam Souse 4011，Tunisia 4 Mechanak Branching，Arak Braffice，Arak Braffice，Arak 33 33 33 33.伊朗amir.ahmadi7192@yahoo.com（a.a.）; mojtabaenayati@yahoo.com（M.E.）5营养系，伊拉克埃尔比尔44001的库尔德斯坦欧比尔大学 - 欧比尔市； smohammad.sajadi@gmail.com 6 SRC植物化学系，索兰大学，KRG，SORAN 44008，伊拉克7机械工程系，马来西亚马来亚大学马来亚大学工程学院，马来西亚50603； HOOMAS_YARMAND@UM.EDU.MY 8 8号可持续设计工程系，代尔夫特技术大学工业设计学院，荷兰公元2628 CE DELFT，荷兰9号机械工程系，萨希瓦尔校园，萨希瓦尔校园，伊斯兰教伊斯兰教大学，伊斯兰堡57000，巴基斯坦伊斯兰堡57000； Arslanahmad@cuisahiwal.edu.pk 10独立研究员，38106 Braunschweig，德国 *通信：goshtasbc@gmail.com5营养系，伊拉克埃尔比尔44001的库尔德斯坦欧比尔大学 - 欧比尔市； smohammad.sajadi@gmail.com 6 SRC植物化学系，索兰大学，KRG，SORAN 44008，伊拉克7机械工程系，马来西亚马来亚大学马来亚大学工程学院，马来西亚50603； HOOMAS_YARMAND@UM.EDU.MY 8 8号可持续设计工程系，代尔夫特技术大学工业设计学院，荷兰公元2628 CE DELFT，荷兰9号机械工程系，萨希瓦尔校园，萨希瓦尔校园，伊斯兰教伊斯兰教大学，伊斯兰堡57000，巴基斯坦伊斯兰堡57000； Arslanahmad@cuisahiwal.edu.pk 10独立研究员，38106 Braunschweig，德国 *通信：goshtasbc@gmail.com
MEMS高温梯度传感器用于高度湍流中的皮肤摩擦测量
摘要 - 本文介绍并讨论了使用MEMS（微电机电系统）获得的高温梯度传感器获得的结果，以在高度湍流中进行时间平均和波动的皮肤摩擦测量。设计为强大的壁挂式悬挂热线结构，使用传统的微观加工技术制造微传感器，该技术与微电脑兼容用于设计集成的智能系统。成功实施了两条风风隧道，在大量湍流中测试了该传感器，主流速度高达270 m/s（马赫数为0.79），这对应于客机巡游的平均速度。实验证明了微传感器的广泛动态范围，而没有达到其极限。微传感器因此表明了其在空气动力应用中测量湍流的价值，特别适合航空药物。
在NISQ时代量子处理器上对AKLT状态的高保真实现
许多现实世界中的问题需要从棘手的多维分布中取样。这些样本可以通过使用蒙特卡洛近似值来估计其统计特性来研究物理系统的行为。通过此类分配进行抽样一直是一个挑战，是通过扰动近似或马尔可夫链蒙特卡洛（MCMC）技术进行的[1]。如果变量强烈耦合并且没有小参数，则无法应用扰动近似，并且使用MCMC方法。为了确保通过MCMC方法生成的样品的渐近精确性，使用了大都市 - 危机算法（MH），该算法（MH）使用模型和目标密度，即使仅知道这些密度仅为比例性恒定，也可以应用。但是，MCMC技术具有其局限性，例如相关样本的产生，阶段过渡期间的临界减速以及较高的仿真成本。在过去的几年中，已经开发了几种基于学习的方法来从此类分布中进行采样。生成对抗网络（GAN）[2-4]和变异自动编码器（VAE）[5，6]在给定的目标分布的给定样本中学到的采样分布中表现出了显着的功效。vaes是近似密度模型，因为它们为样品提供了近似的密度值。gans生成样品，而没有明确估计样品的密度值；因此，它们也称为隐式密度模型。他们两个都不能保证样品的精确性。这些此外，由于它们没有提供精确的模型密度，因此不能使用MH等方法对其进行修改或偏低。另一方面，基于流量的生成模型，例如标准化流（NF）[7，8]明确对目标分布进行建模并提供精确的模型密度值。它们与MH一起用于保证样品的精确性。在物理应用中，人们对通过物理配置（例如，经典磁体的每种自旋的方向）对概率分布进行取样感兴趣，这些分布是通过物理模型进行参数的。这些物理模型取决于一组参数，在以下内容中称为C，例如温度t或耦合常数。例如，在ISING模型和XY模型中，系统的属性取决于温度和最接近的近纽布交换（或包括在内的其他邻居或环形交换）耦合常数。改变这些参数也可以通过相变驱动系统，该相变已通过机器学习技术进行了研究[9-17]。建模此类分布的一种方法是为每个外部参数的每个设置重新训练生成模型。为了研究系统的性质，需要样本来进行外部参数的不同设置。这会导致在不同的环境中反复训练该模型，从而增加培训成本。许多晶格理论已经使用标准化流[18-20]建模。建模此类分布的替代方法是训练以外部参数为条件的生成模型。