1.1 简介 1.2 总体工厂描述 1.2.1 主要设计标准 1.2.1.1 一般标准 1.2.1.2 发电设计标准 1.2.1.2.1 安全设计标准 1.2.1.3 系统方法 1.2.1.3.1 核系统标准 1.2.1.3.2 电力转换系统标准 1.2.1.3.3 电力系统设计标准 1.2.1.3.4 放射性废物系统设计标准 1.2.1.3.5 辅助系统设计标准 1.2.1.3.6 屏蔽和访问控制设计标准 1.2.1.3.7 核安全系统和工程保障设计标准 1.2.1.3.8 过程控制系统设计标准 1.2.2 场地描述1.2.2.1 场址特征:场址位置和规模 1.2.2.2 进入场址 1.2.2.3 场址及周边环境描述 1.2.3 结构和设备 1.2.4 核蒸汽供应系统 1.2.4.1 反应堆堆芯和控制棒 1.2.4.2 反应堆容器和内部构件 1.2.4.3 反应堆再循环系统 1.2.4.4 余热排出系统 1.2.4.5 反应堆水净化系统 1.2.4.6 核泄漏探测系统 1.2.5 电气、仪表和控制系统 1.2.5.1 电力系统 1.2.5.2 核系统过程控制和仪表 1.2.5.3 电力转换系统过程控制和仪表 1.2.6 放射性废物系统 1.2.7 燃料处理和贮存系统 1.2.7.1 新燃料贮存 1.2.7.2乏燃料贮存 1.2.7.3 燃料处理系统 1.2.7.4 乏燃料池冷却和清理系统 1.2.8 电力转换系统 1.2.8.1 T
表格列表 表号 标题 12.2-1 设计辐射源清单计算中使用的选定参数(历史) 12.2-2 设备位置 12.2-3 堆芯清单(历史) 12.2-4 燃料组件的辐射源强度(径向峰值因子为 1.65) 12.2-5 辐射源术语,安全壳结构(历史) 12.2-6 再生热交换器和过量排放热交换器(历史) 12.2-7 辅助建筑物的辐射源术语(历史) 12.2-8 冷凝水精处理建筑物的辐射源术语(历史) 12.2-9 辐射源术语,废物处理建筑物(历史) 12.2-10 辐射源术语,LOCA 后集水坑水(历史) 12.2-11 辐射源术语,LOCA 后一次冷却剂(历史) 12.2-12 辐射源术语,LOCA 后取样系统(历史) 12.2-13 辐射源术语,LOCA 后安全壳大气(历史) 12.2-14 辐射源术语,LOCA 后安全壳外系统的安全壳大气(历史) 12.2-15 反应堆冷却剂 N-16 活度(历史) 12.2-16 燃料池水中的预期浓度(历史) 12.2-17 燃料池水中的设计浓度(历史) 12.2-18 辐照堆芯探测器和驱动电缆最大抽取源强度(历史) 12.2-19 辐照堆芯探测器驱动电缆源强度(历史) 12.2-20 关闭条件下的辐射源术语(4 小时衰减)(历史)
1架飞机是可以通过从空气中获得支撑而飞行的机器,并受到空气密度和机器速度的影响。示例包括固定翼飞机,直升机,灯具,滑翔机和热气球。2辆车是依靠推力升降机的机器。示例包括商业太空发射车或火箭。3 FAA,“航空环境和能源政策声明”,77 FR 43137,43137(2012年7月23日)。 4在此框架纸中,术语飞机噪声和航空噪声是同义词。 术语是指飞机在行驶操作和着陆期间飞机和车辆产生的噪音。 在某些情况下,此定义也可能包括飞机起飞前由飞机和车辆产生的地面上的噪音。 5 FAA,FAA飞机噪声政策和研究工作的概述:有关为飞机噪声政策提供信息的意见请求,86 FR 2722(2021年1月13日)。 6语音干扰发生时,飞机噪音淹没或掩盖了语音,因此很难进行对话。 7睡眠干扰是指两种类型的睡眠中断:那些导致觉醒以及不会导致觉醒而是引起一定程度唤醒的。3 FAA,“航空环境和能源政策声明”,77 FR 43137,43137(2012年7月23日)。4在此框架纸中,术语飞机噪声和航空噪声是同义词。术语是指飞机在行驶操作和着陆期间飞机和车辆产生的噪音。在某些情况下,此定义也可能包括飞机起飞前由飞机和车辆产生的地面上的噪音。5 FAA,FAA飞机噪声政策和研究工作的概述:有关为飞机噪声政策提供信息的意见请求,86 FR 2722(2021年1月13日)。 6语音干扰发生时,飞机噪音淹没或掩盖了语音,因此很难进行对话。 7睡眠干扰是指两种类型的睡眠中断:那些导致觉醒以及不会导致觉醒而是引起一定程度唤醒的。5 FAA,FAA飞机噪声政策和研究工作的概述:有关为飞机噪声政策提供信息的意见请求,86 FR 2722(2021年1月13日)。6语音干扰发生时,飞机噪音淹没或掩盖了语音,因此很难进行对话。7睡眠干扰是指两种类型的睡眠中断:那些导致觉醒以及不会导致觉醒而是引起一定程度唤醒的。。
摘要 — 卫星是现代社会不可或缺的一部分,它通过现代电信、全球定位和地球观测等方式对我们的生活方式做出了重大贡献。近年来,尤其是在新太空时代到来之后,卫星部署的数量呈爆炸式增长。尽管卫星安全至关重要,但学术界对卫星安全性,尤其是机载固件安全性的研究却很少。这种缺乏可能源于现在已经过时的通过模糊性实现安全性的假设,从而有效地阻碍了对卫星固件进行有意义的研究。在本文中,我们首先提供针对卫星固件的威胁分类。然后,我们对三个现实世界的卫星固件映像进行了实验性安全分析。我们的分析基于一组现实世界的攻击者模型,并在所有分析的固件映像中发现了几个安全关键漏洞。我们的实验性安全评估结果表明,现代在轨卫星存在不同的软件安全漏洞,而且往往缺乏适当的访问保护机制。它们还强调了克服流行但过时的假设的必要性。为了证实我们的观察,我们还对 19 名专业卫星开发商进行了调查,以全面了解卫星安全状况。
摘要 — 卫星是现代社会不可或缺的一部分,它通过现代电信、全球定位和地球观测等方式对我们的生活方式做出了重大贡献。近年来,尤其是在新太空时代到来之后,卫星部署的数量呈爆炸式增长。尽管卫星安全至关重要,但学术界对卫星安全性,尤其是机载固件安全性的研究却很少。这种缺乏可能源于现在已经过时的通过模糊性实现安全性的假设,从而有效地阻碍了对卫星固件进行有意义的研究。在本文中,我们首先提供针对卫星固件的威胁分类。然后,我们对三个现实世界的卫星固件映像进行了实验性安全分析。我们的分析基于一组现实世界的攻击者模型,并在所有分析的固件映像中发现了几个安全关键漏洞。我们的实验性安全评估结果表明,现代在轨卫星存在不同的软件安全漏洞,而且往往缺乏适当的访问保护机制。它们还强调了克服流行但过时的假设的必要性。为了证实我们的观察,我们还对 19 名专业卫星开发商进行了调查,以全面了解卫星安全状况。
摘要:城市空中交通 (UAM) 已成为服务于智能公民的潜在文明候选者,例如通过送货、监视和空中出租车。然而,由于商用 UAM 使用公开可用的通信基础设施,这增加了干扰和欺骗攻击以窃取或撞毁 UAM 中的飞行器的风险,因此安全问题日益严重。为了保护商用 UAM 免受网络攻击和盗窃,本文提出了一种基于人工智能 (AI) 的探索性网络物理安全分析框架。所提出的框架设计了基于监督学习的 AI 方案,例如决策树、随机森林、逻辑回归、K 最近邻 (KNN) 和长短期记忆 (LSTM),用于预测和检测网络干扰和欺骗攻击。然后,开发的框架基于控制消息之间的皮尔逊相关系数分析条件依赖关系,以根据 AI 算法的结果查找潜在攻击的原因。本研究将 UAM 姿态控制场景作为确定干扰和欺骗攻击的用例,以使用最先进的无人机攻击数据集验证所提出的框架。实验结果表明,所提出的框架的有效性,使用决策树、随机森林和 KNN 进行干扰和欺骗检测的准确率约为 99.9%,同时有效地找到攻击的根本原因。
量子密钥分发 (QKD) [1] 是在双方 Alice 和 Bob 之间生成安全密钥的一种特殊方法,该方法可确保量子计算机时代传输信息的隐私。从历史上看,最早提出的协议是离散变量 (DV) 协议 [2, 3],其中信息以单个光子的状态进行编码:偏振、相位或时间箱。然而,随着时间的推移,连续变量 (CV) 协议 [4–6] 被引入,由于使用同差/异差检测系统代替单光子探测器,这些协议被认为更高效、速率更高且具有成本效益。考虑 QKD 系统的安全性时,必须考虑到它们中的每一个都具有并不理想的有限物理实现,这为窃听者 Eve 提供了进行多次攻击并提取部分密钥的机会。为了防止这种威胁,针对每个协议,正在开发一个复杂的系统来评估 Eve 可用的信息和可接受的错误水平。目前,已经提出了相当多的工作,涵盖 CV-QKD 协议的安全性主题 [7–14]。在最适合实际实施的协议中,GG02 协议 [6,15] 脱颖而出,考虑到有限密钥效应,该协议的安全性已证明可以抵御相干(一般)攻击。此外,还考虑了不受信任和受信任的硬件噪声模型 [12]。后者是可取的,因为许多安全级别意味着 Eve 无法访问 Alice 和 Bob 的块,而且,考虑到不受信任的噪声会使协议基本上无法使用。因此,本文将在具有受信任硬件噪声的实际实施中提供针对一般攻击的 CV-QKD 的完整安全性证明。在第 2 节中,我们描述了 CV-QKD 方案的光学配置;在第 3 至第 5 节中,我们给出了可信噪声场景中协议的描述,并考虑了超出一般安全证明框架的特定攻击的可能性。在第 6 节中,我们提供了一种评估和监控实验参数的技术;在第 7 节中,我们阐明了安全性分析并估计了有限长度安全密钥的生成率。在第 8 节中,我们讨论了结果并得出了适当的结论。
输电系统中的组件,随着自动化的不断发展,正变得越来越数字化。这些数字系统容易受到漏洞/攻击,利用这些漏洞可能会对电网性能造成重大影响。控制中心报告的多个警报可能是由于保护系统中的故障(预期操作)或故障(异常/意外操作)造成的。通过相量测量单元 (PMU) 等传感器获得的态势感知和通过网络系统获取的数据为开发系统的持续网络物理监控提供了机会。请注意,控制中心不会连续报告继电器数据。本文介绍了一种基于网络物理数据分析的技术来监控输电保护系统并检测恶意活动。首先,使用长短期记忆 (LSTM) 对 PMU 数据进行持续监控以检测数据异常,包括坏数据或缺失数据。然后,使用半监督深度自动编码器模型,利用感兴趣的 PMU 数据进行故障诊断。在本研究中,通过操纵保护设备的设置/逻辑设计来建模网络异常,并使用基于岭回归的分类器和特征工程管道来检测网络异常。然后利用深度自动编码器模型和基于岭回归的分类器的结果进行详细调查,以找出观察的根本原因
安全分析平台旨在处理 PB 级数据,并且应具有可扩展性。在此背景下,Elastic Search 和 Hadoop 可用作后端数据湖。Elastic Search 可以促进关联/警报规则、仪表板和分析。而 Hadoop 可以通过 python、spark 等附加工具促进机器学习分析。平台的主要数据来源是各种设备、服务器、端点、应用程序、网站和服务生成的日志。日志可以从连接到 NICNET 的政府 ICT 基础设施的各种来源收集,日志将经过处理并丰富其他详细信息(如地理位置、IP/域信誉等)。然后,将使用各种关联和安全规则在分析平台上分析处理后的日志。除此之外,机器学习模型还将处理日志,并尝试识别日志中的各种异常和可疑模式。可以将多种机器学习模型集成到安全分析平台中,每个 ML 模型都具有 AI-ML 模型用于安全分析的训练和学习能力,从而在一段时间内达到一定的成熟度。一旦 ML 模型达到成熟度级别,它就可以发现更高级、更复杂的攻击,而传统的基于规则的 SIEM 平台可能无法发现这些攻击。
随着大型系统集成化、智能化程度的提高,其任务过程及系统内交互越来越复杂,人员不安全行为、设备故障、环境干扰等多因素间的复杂相互作用使安全性分析面临更大挑战。针对舰载机安全性,提出一种基于系统建模语言(SysML)与Simulink的舰载机着舰过程一体化系统建模与安全性分析方法。首先,根据任务过程分析,采用多种示意图构建SysML模型,包括系统结构和行为过程;其次,将SysML模型转化为Simulink平台并与之集成,构建具有连续动态特性的实体模型,通过仿真进行安全性分析;最后,以舰载机着舰姿态控制为例,对所提方法进行验证,并在不同扰动条件下对舰载机着舰过程的安全状态进行分析与评估。