智能家居App动态监测技术研究
这是一篇关于智能家居App,安卓,挂钩,动态监测的论文, 主要内容为智能家居云平台承担着大量设备的管理和控制服务,其安全性不容小觑,然而由于大部分主流云平台的黑盒性质,对其开展安全测试十分困难。智能家居App是云平台向用户提供的操作接口,其中包含与设备控制相关的关键领域知识和逻辑代码,因此通过App对云平台开展安全分析是一个有效突破口,这也是当前智能家居平台安全研究中的一个新兴方向。然而相较于其他类型App,智能家居App有其自身特点,比如代码体量更大、逻辑更复杂、插件化装载、dex加固等,这令已有的Android静态分析技术难以直接应用,而目前已有的Android动态分析工具在应用时也会遭遇内存消耗过大、易崩溃、调用关系提取不完整等困难。基于以上挑战,本文提出了一种在ART虚拟机层面进行代码插桩的方案,可以动态提取App运行过程中的跨语言的调用关系,得到与设备控制相关的控制流,从而实现智能家居App的运行时行为追踪,所得结果可用于dex文件提取、设备控制请求分析、用户权限检测等安全测试。本文的主要工作与创新点如下:(1)从App运行角度出发,第一次比较详细地对App中函数调用关系进行了系统的归类。包含Java层和native层的层内调用和层间调用,并且覆盖Java反射、JNI反射等特殊调用类型。这些调用类型涵盖了App实际运行时的显式调用和隐式调用,范围更为全面。(2)提出了一种新的针对智能家居App各类复杂的函数调用关系的提取方法和动态提取dex文件的方法。为了实现通用的提取方法,本文从Android ART虚拟机层面阐释了每一种函数调用类型的运行机制,并找到了合适的代码插桩位置,可以在这些位置动态提取函数调用关系和动态加载的dex文件。(3)设计并实现了智能家居App动态监测系统。第一次从Android ART进行代码插桩角度实现了通用的对智能家居App中函数调用关系提取和动态加载的dex文件的提取。这个动态监测系统可以应对智能家居App插件化、dex加固带来的安全分析挑战。实验结果表明,这个动态监测系统可以提取出智能家居App中设备相关控制代码,可以辅助安全研究人员发现智能家居App中潜在的安全问题。
火电厂盘煤系统的研究与设计
这是一篇关于盘煤系统,存煤量,硬件设备,软件设计,动态监测的论文, 主要内容为在煤炭资源日益短缺,用电量需求日益增加的今天,火电厂的安全稳定生产对国民经济的发展具有重要的意义。我国进入21世纪后,电力行业得到了进一步的发展,同时对火电厂燃料的监测也提出了更高的要求,合理运用现代化手段对火电厂燃料进行科学化管控已经成为一种必然趋势。盘煤系统作为燃料系统中的一个重要环节,用于对煤场进行动态监测与分析,完成煤场库存的盘点工作,对控制并且减少火电厂的生产成本起着至关重要的作用。根据火电厂对盘煤系统的准确性和时间性要求,结合传统盘煤方法和先进的激光盘煤方法的特点,本文讨论了一种盘煤方法:利用三维激光扫描仪测量得到整个煤场的初始库存;利用电子轨道衡、电子汽车衡和电子皮带秤等设备计量得到煤场每天库存的变化量;综合煤场初始库存与煤场每天库存变化量得到煤场每天最终的存煤量。本文通过Visual Studio 2010作为软件前台界面的开发环境以及SQL Server 2008作为软件后台的数据库系统,使用C#语言设计了一套功能比较完整的B/S架构的盘煤系统软件,用来实时监测和分析盘煤过程中的各种数据,并且可以通过局域网实时查看煤场的各种动态监测信息。火电厂盘煤系统包括用户登录界面、注册新用户界面、找回密码界面和系统主界面,其中系统主界面又包括用户系统、煤堆体积系统、煤场进煤系统、煤场燃煤系统、煤场库存系统、误差分析系统和报表打印系统七个功能模块,各功能模块间相互配合,完成了煤场库存的盘点工作,同时实现了对煤场存煤量的动态监测。
面向微服务的石油数据动态监测平台的设计与实现
这是一篇关于动态监测,MODM平台,微服务,Spring Cloud Alibaba,石油数据,系统开发的论文, 主要内容为新疆某石油企业(X石油企业)积极推进数字化建设,致力于推动石油生产相关平台的建设。该企业原有的石油数据动态监测系统过于老旧,不仅无法满足和适应企业发展的实际需求,同时也面临着功能扩展难的迭代升级瓶颈,对后续数字化转型造成了极大阻碍。因此,结合数字化应用场景并基于微服务架构对平台进行重构,从而构建出全新的石油数据动态监测平台,已经成为了企业需要解决的迫在眉睫的难题。本文立足于石油企业数字化转型升级的发展规划,确立了以基于微服务的石油数据动态监测平台为研究课题,全面地阐述了面向微服务的石油数据动态监测平台(Microservice Oriented Oil Data Dynamic Monitoring Platform)“MODM平台”建设的全生命周期流程。首先,以公司发展实际为出发点确立了课题的研究方向并进行了充分深入地调研分析。同时,结合具体生产场景,展开业务需求分析,包括功能分析和性能需求分析等内容。采用开发工具完成了系统功能模块设计和实现开发工作。并对系统展开测试和问题的迭代修复,最终完成了满足公司需求的系统。“MODM平台”旨在为石油生产管理用户群体提供更高效便捷的可视化分析及管理服务工具,提升用户感知和管理质量。平台为用户提供了稀油分析、稠油分析、气藏分析、SAGD调控分析、动态监测等10个服务,基本涵盖当前石油数据监测的各方面内容,能够为用户提供更优质的监测管理服务。“MODM平台”是以Spring Cloud Alibaba作为系统框架,选择Spring Cloud Alibaba相关组件作为微服务注册和发现中心、服务网关、负载均衡器、服务保护框架和数据同步框架,支撑整个系统的微服务业务逻辑运行。在平台性能方面,采用Docker+Jenkins实现自动部署。在数据存储层方面,为满足平台动态监测需求,采用Redis对动态数据采集进行数据采集,并选择了Oracle对进行高效存储,Kafka作为系统消息总线。在UI表现层方面,综合应用Vue框架和Axios交互技术提供更丰富的界面呈现。“MODM平台”当前运行正常,有效地为产区管理用户及分析管理用户等石油企业用户提供了更可靠的石油生产监测和分析工具,显著提高了安全生产管控能力,为后续的系统数字化改造及扩展奠定了坚实的基础,全面提升了管理效率和用户应用体验。
水土保持动态监测大数据组织与存储系统的设计与实现
这是一篇关于大数据组织与存储,多源异构数据,水土保持,动态监测的论文, 主要内容为水土保持动态监测是指调查、观测和分析水土流失的发生、发展、危害及水土保持效果等,以获取相关的动态监测结果数据,最终能为相关生态环境治理措施的制定提供指导依据。然而,当前国内水土保持数据资源的利用率并不高。这是由于缺乏数据集中的大数据平台、未经统一的数据格式以及监测部门间协同不足等。论文针对以上问题,分析水土保持动态监测过程中产生的海量数据的特征及数据流,设计了面向水保大数据的存储系统,利用数据库技术和分布式存储技术,制定数据组织、存储、访问等各环节的规范,实现了对海量水土保持动态监测数据的高效组织和存储,提升了数据利用价值。经应用证明,系统具有可用性和灵活性,能为平台其他业务子系统提供较好的数据支持。论文的主要研究内容和实现成果如下:1.提出一种时空大数据统一组织管理方案。在基于已有的时空数据组织建模成果基础上,提出计算任务和背景文件共同描述的版本控制方案,建立一种可拓展的动态监测非结构化数据文件存放目录结构。2.提出一种动态监测海量多源异构数据存储方案。支持多种类型的数据存储,如矢量栅格等非结构化文件、表形式存储的结构化数据等。3.在数据组织与存储方案设计的基础上,构建了针对全国水土保持动态监测海量数据的混合型存储系统,实现水土保持动态监测数据的分布式存储、集中式管理,并对外提供统一的数据访问服务,加强数据流转。
基于物联网技术的石油管道监测系统的设计与实现
这是一篇关于石油管道,物联网技术,动态监测,信息管理的论文, 主要内容为传统的对石油管道泄漏进行检测的方法往往是通过探测仪和人力巡逻的方法,由于依靠人力,不能实时地对石油管道进行全面监控,所以并不能有效地保证管道线路的安全为了保证石油管道线路的安全运输,就必须采用能对管道进行监控的管道监控方法,使得泄漏能被及时发现,并采取补救措施,从而达到降低企业经济损失,减少环境污染的目的。石油管道监测是目前石化企业和相关部门十分重视的日常业务,对于石油管道的正常运行具有重要的意义。传统的石油管道监测采用人工巡视、电子探测等方式,其效率和实时性较差,为了解决以上问题,采用物联网等实时监测技术进行信息化系统的建设成为了目前石油管道监测相关问题的主流解决方案。本文设1计并实现了一个基于物联网技术的石油管道监测系统,该系统主要解决了管道运行参数的实时监测和动态显示问题,主要包括了如下内容:1、完成了系统硬件的设计和部署,主要包括了采集节点的设计与汇聚节点的设计,采集节点通过压力传感器PTP501,流量传感器GLW350/500,温度传感器DS18B20三类硬件设备进行部署,然后通过MSP430开发板进行汇聚节点的设计,采用C语言进行嵌入式程序的开发,通过汇聚节点实现底层采集节点的数据采集和服务器端的数据上传。2、完成了系统软件的设计和实现,主要包括了系统登录、信息监测、应急调度、信息发布以及评估管理等核心功能,系统软件功能设计与实现是本文设计的核心。用户可以通过底层硬件上传的数据信息进行石油管道动态监测,根据监测的结果对突发应急事件进行指挥调度,完成抢险救灾相关任务;系统还完成了对日常运营信息的上报以及数据分析评估等核心功能的实现。系统的开发基于物联网技术,采用C语言、PHP技术进行硬件和软件程序的设计与实现,通过MySQL数据库完成底层采集数据的存储,向客户端提供数据读取和相关操作。系统开发采用软件开发标准流程,最终通过了系统测试,可以投入实际应用。
基于迁移学习卷积神经网络的iOS恶意软件检测的研究
这是一篇关于卷积神经网络,迁移学习,动态监测,iOS恶意软件,特征可视化的论文, 主要内容为在iOS系统的恶意软件检测领域中,由于系统的封闭性,分析应用程序的行为必须采用逆向工程和插桩技术,且对iOS系统进行恶意软件检测研究主要是静态的检测方法,存在误报率高和检测不及时,同时有些恶意样本家族数量太少,导致训练出的分类器过拟合,本文针对以上问题提出了改进方法,具体的研究工作内容如下:(1)针对现阶段难以获取iOS恶意软件动态特征的数据集,本文设计了一款动态监测框架来获取应用程序实时的API调用序列,同时将抓取的数据保存下来作为本文动态数据集数据的来源,使用匹配算法对数据进行预处理,留下对恶意软件检测相关的敏感API序列数据。并使用One-Hot编码将敏感API字符序列转化为一个矩阵,使用TF-ISF算法计算序列权重,将得到的矩阵与权重向量相结合来实现敏感API序列特征可视化,同时将样本IPA文件转化为应用程序的灰度图像特征从而实现特征的改进。(2)本文提出一种基于改进的Res Net卷积神经网络来训练模型,该方法在Res Net网络中引入SE模块来优化特征,同时在全连接层采用了Swish函数用于提高模型的准确性和收敛速度,用改进的SENET网络分别对iOS恶意软件进行动态、静态以及混合特征检测的对比实验。(3)针对有些iOS恶意家族样本数量太少,导致训练出的分类器过拟合的问题,本文提出了基于迁移学习的卷积神经网络CTLN模型,在用于训练的数据集上训练一维卷积神经网络并形成稳定的1T-CNN,同时进入迁移学习模块,然后在实验的数据集上训练与1T-CNN串联的另一维神经网络1E-CNN,并对网络参数进行微调,将测试数据输入CTLN网络进入连接层后所获得的特征映射到KNN分类器,同时输出测试数据的恶意软件的类别。本文采用5折交叉验证实验并与前沿的研究成果进行了对比实验。实验结果表明在基于改进的Res Net卷积神经网络的iOS恶意软件检测方法中,混合检测的效果优于单一检测方法,且本文基于改进的Res Net卷积神经网络的混合检测方法的效果优于与之比较的前沿研究检测方法的检测效果。除此之外,本文基于迁移学习的卷积神经网络的检测方法改进了上述基于改进的Res Net卷积神经网络的混合特征检测方法训练样本不足的问题,且在恶意软件具体分类的实验中优于与之对比的前沿的研究成果。
复合连续油管采油井下动态监测技术
这是一篇关于复合连续油管,潜油电泵,多参数,动态监测的论文, 主要内容为石油作为一种不可再生能源,随着其被开发储存量在不断减少,为了能够提高石油开采效率避免资源浪费,完善采油设备及开采技术显得尤为重要。传统采油作业,井下开采设备时常出现故障却难以被发现,从而造成设备损坏等问题,严重影响开采效率。为此研究井下动态监测技术,是实现智能化采油的关键。文章主要围绕复合连续油管采油时,对井下潜油电泵工作状况的监测展开研究。整个监测系统实现了对井下泵的入口温度、电机绕组温度、出入口压力、X、Y和Z三个轴的振动以及基准电流的监测。系统供电设计是基于星点等势原理,并采用模拟电流环进行信号传输。整个监测系统的设计包括了地面系统和井下系统两部分。首先,对井下系统进行了设计。包括了传感器选型,以及设计井下稳压电路、井下滤波电路、传感器采集电路以及多参数时序切换电路等。采集到的多参数信息会被转换为电流信号,并依次传输至地面系统。其次,对地面系统进行了设计。包括了地面系统的电源模块、滤波电路、数据采集电路以及以单片机和STM32芯片为核心的外围电路,实现了TFT-LCD液晶显示、数据存储、异常报警和上位机通信等功能。为了便于监测,设计了多参数远程监测软件,将上位机显示的数据作为服务器端,通过网络TCP/IP传输协议实现了远程客户端的监测。最后,进行系统实验与调试。通过仿真实验,证实了井下供电和稳压电路的可行性,同时验证了地面和井下滤波器电路能够有效地抑制共模电压。通过多参数传感器实验,对井下各个传感器的线性度进行修正,拟合得到的线性方程为地面还原多参数信息提供了理论依据。通过地面和井下系统联调实验,验证了整个系统的可靠性。通过上位机软件实验和远程监测模拟,软件能够正常运行且能达到远程监测的目的。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码工坊 ，原文地址：https://bishedaima.com/lunwen/48015.html
