導語：如何才能寫好一篇巨人網(wǎng)絡，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

9月5日，巨人網(wǎng)絡CEO史玉柱針對農村市場，發(fā)起國內首個“網(wǎng)游下鄉(xiāng)”計劃，并預計9月中旬正式啟動該計劃。史玉柱表示，將投入上億元將旗下游戲拓展進五、六級農村市場。

巨人網(wǎng)絡透露：“初步投入1億元費用”，地推（地面推廣人員）團隊已經(jīng)前往各地農村展開實地調研，“重點關注廣東、湖南、黑龍江、浙江、江蘇等農村寬帶發(fā)展較為成熟的地區(qū)。首批網(wǎng)游下鄉(xiāng)示范村將在近期敲定”。而巨人《征途2》項目相關負責人表示，為農村玩家打造新游戲玩法、建立農村網(wǎng)游推廣員體系、打造農村游戲交友平臺、進農村普及網(wǎng)游知識均在此次計劃之中?！鞍宕逋c卡、鎮(zhèn)鎮(zhèn)有禮包’、‘玩《征途2》送化肥’等策略”。

《2010年文化部網(wǎng)絡游戲市場發(fā)展報告》顯示，中國網(wǎng)絡游戲市場規(guī)模為349億元，增長率為26.2%，增長速度連續(xù)兩年下滑。增速放緩的原因在于市場經(jīng)過了連續(xù)十年的快速增長，市場和用戶趨于成熟，整個網(wǎng)游市場正面臨結構性調整的壓力。

在用戶層面上，一、二級城市網(wǎng)游用戶趨于飽和，用戶選擇趨于多樣性，競爭近乎白熾化。而隨著農村互聯(lián)網(wǎng)接入條件不斷改善，農村網(wǎng)絡硬件設備更加完備，農村地區(qū)網(wǎng)民規(guī)模在持續(xù)增長。近幾年農村網(wǎng)民的增長速度遠高于城鎮(zhèn)網(wǎng)民。2007年至2009年，農村網(wǎng)民年均增長71.6%，遠高于城鎮(zhèn)網(wǎng)民年均增長34.6%的速度。根據(jù)CNNIC第28次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告，截至2011年6月底，中國農村網(wǎng)民規(guī)模為1.31億，占整體網(wǎng)民的27%。

巨人網(wǎng)絡Q2財報顯示，公司第二季度營收4.362億元，環(huán)比增長8.2%，同比增長35.6%；凈利潤為1020萬元，環(huán)比大幅下降96.1%，同比下降94.5%。凈利潤的大幅下降，迫使巨人網(wǎng)絡追求新的利潤增長點。而《征途2》是巨人網(wǎng)絡2011年的新旗艦游戲，也是史玉柱最看好的產(chǎn)品。

篇2

網(wǎng)絡犯罪分子通常利用當紅名人的信息將毫無戒心的網(wǎng)民誘騙到充斥著惡意軟件的站點。當用戶搜索名人最新的視頻或圖片時，可能點擊進入的是充滿伺機潛入用戶計算機的惡意軟件的站點，而不是想要的名人時尚資訊。

邁克菲網(wǎng)絡安全研究主管PaulaGreve表示：“今年的形勢雖然比去年略微安全些，但在網(wǎng)絡上搜索當紅名人的信息仍然充滿風險。用戶應特別警惕隱藏在“細微”之處的惡意內容。例如，可以通過社交網(wǎng)站或朋友發(fā)來的電子郵件、短信傳播病毒的短URL”。

警惕搜索海蒂?克拉姆

當粉絲搜索“Heidi Klum”(海蒂?克拉姆)、“Heidi Klum and downloads”(海蒂?克拉姆和下載)、“Heidi Klumand‘free’downloads”(海蒂?克拉姆和“免費”下載)、“Heidi Klum andscreensavers”(海蒂?克拉姆和屏保)、“Heidi Klum and hot pictures”(海蒂?克拉姆和熱圖)以及“Heidi Klumand videos”(海蒂?克拉姆和視頻)等關鍵字時，則有風險遭受到企圖竊取私人信息的網(wǎng)絡病毒的威脅。如果去點擊這些危險的站點或下載文件(例如，照片、視頻或屏保等)將使上網(wǎng)用戶面臨下載到病毒和惡意軟件的巨大風險。

如果去搜索海蒂?克拉姆的最新圖片和相關下載，有超過9％的可能性登錄到經(jīng)測試確實含有網(wǎng)絡威脅的網(wǎng)站。(例如，含有間諜軟件、廣告軟件、垃圾郵件、網(wǎng)絡釣魚詐騙、病毒或其他惡意軟件)

此項研究采用McAfee SiteAdvisor站點評級方法，該方法可指出哪些站點是網(wǎng)絡名人搜索高危目標，并計算出整體風險百分比。用戶可以登錄快速下載免費版的SiteAdvisor軟件，以實時判別目標網(wǎng)站的安全級別，阻止危險網(wǎng)站、添加反釣魚保護，并幫助用戶更安全地上網(wǎng)沖浪、購物和辦理網(wǎng)銀業(yè)務。以下是今年的研究報告，羅列出了評級結果中風險百分比最高的前十大名人：

今年，吉賽爾?邦辰、湯姆?克魯斯、佩內洛普?克魯茲、詹妮弗?洛芙?休伊特、妮可?基德曼和朱莉婭?羅伯茨都跌出了前十。

名模多是“帶刺玫瑰”

今年，兩名維多利亞的秘密的頂級模特都躋身前十。用戶搜索性感超模海蒂?克拉姆(第1名)和阿德瑞娜?利瑪(第8名)的下載內容都會被誘騙至危險站點。

體育演藝明星相對安全

網(wǎng)球明星瑪莉婭?莎拉波娃和安迪?羅迪克分別從去年的第13和第14狂跌至今年的第44和第56。歌手賈斯汀?比伯今年排名第49，緊隨其后的蕾哈娜和凱莉?安德伍德并列第51位，LadyGaga則排在第s8位。

新聞頭條未必風險最大

篇3

隨著信息時代的進步，計算機與網(wǎng)絡系統(tǒng)已經(jīng)深入我們的工作與生活當中，而網(wǎng)絡也成為了信息的主要載體，而網(wǎng)絡數(shù)據(jù)庫就是存儲這些信息的主要工具。我們如何安全的利用這一巨大資源就成為我們融入信息社會的關鍵。

【關鍵詞】 信息 網(wǎng)絡 網(wǎng)絡數(shù)據(jù)庫

如今，我們對網(wǎng)絡的需求也越來越廣泛，但是由于網(wǎng)絡的虛擬性，讓我們在運用它的時候不免產(chǎn)生很多顧忌，同時由于我們的一些不當操作和使用也會造成一定的損失。因此，我們只有更加深入了解整個網(wǎng)絡機構和網(wǎng)絡的一些基本運作，才能更安全和放心的使用網(wǎng)絡。

一個網(wǎng)絡數(shù)據(jù)庫就是用戶利用瀏覽器作為輸入接口，輸入所需要的數(shù)據(jù)，瀏覽器將這些數(shù)據(jù)傳送給網(wǎng)站，而網(wǎng)站再對這些數(shù)據(jù)進行處理，例如，將數(shù)據(jù)存入數(shù)據(jù)庫，或者對數(shù)據(jù)庫進行查詢操作等，最后網(wǎng)站將操作結果傳回給瀏覽器，通過瀏覽器將結果告知用戶。

1 網(wǎng)絡數(shù)據(jù)庫應用簡介

網(wǎng)絡是一個市場，包含了無限的信息與資源，而網(wǎng)絡數(shù)據(jù)庫就承載了這一切。與一般的數(shù)據(jù)庫相比，它的最大優(yōu)點就是資源的共享。我們平時瀏覽的網(wǎng)站和聊天軟件，還有現(xiàn)在的網(wǎng)絡電視等等都得依靠網(wǎng)絡數(shù)據(jù)庫。首先，現(xiàn)在大部分的網(wǎng)站都采用動態(tài)設計，無論查詢還是更新資料都比原來方便而迅速。在這些網(wǎng)站里，無論是用戶資料，還是網(wǎng)站的信息都存放在網(wǎng)絡數(shù)據(jù)庫中，例如：在一些網(wǎng)站的用戶注冊系統(tǒng)中，我們填寫的資料，包括帳號和密碼都將存放在網(wǎng)絡數(shù)據(jù)庫中的某個表中，而我們在登陸網(wǎng)站的時候，就要核對這些資料，驗證無誤之后，就以注冊用戶身份登陸，可以添加或修改一些個人信息，一些網(wǎng)站中有郵件系統(tǒng)，也可以用來收發(fā)郵件。隨著信息技術的發(fā)展，驗證系統(tǒng)也發(fā)展為智能卡驗證，指紋驗證，語音識別等。銀行也借助網(wǎng)絡這一平臺開展了電子銀行這一業(yè)務。

2 加密技術MD5原理

網(wǎng)絡安全與數(shù)據(jù)加密是密不可分的，現(xiàn)在MD5加密技術廣泛應用到了網(wǎng)絡系統(tǒng)當中，當用戶登錄的時候，系統(tǒng)把用戶輸入的密碼計算成MD5值，然后再去和保存在文件系統(tǒng)中的MD5值進行比較，進而確定輸入的密碼是否正確。通過這樣的步驟，系統(tǒng)在并不知道用戶密碼的明碼的情況下就可以確定用戶登錄系統(tǒng)的合法性。這不但可以避免用戶的密碼被具有系統(tǒng)管理員權限的用戶知道，而且還在一定程度上增加了密碼被破解的難度。MD5將任意長度的“字節(jié)串”變換成一個128bit的大整數(shù)，并且它是一個不可逆的字符串變換算法，換句話說就是，即使你看到源程序和算法描述，也無法將一個MD5的值變換回原始的字符串，從數(shù)學原理上說，是因為原始的字符串有無窮多個，這有點象不存在反函數(shù)的數(shù)學函數(shù)［1］。

3 access加密方法

網(wǎng)絡數(shù)據(jù)庫的種類有很多，最常用的就是微軟的access，其加密的方法一般有兩種，一種是通過手動設置數(shù)據(jù)庫密碼，這也是最常用的?？梢詾閿?shù)據(jù)庫設置密碼，從而要求用戶在訪問數(shù)據(jù)庫時輸入密碼。然而，一旦用戶登錄后，便可以不受限制地訪問數(shù)據(jù)庫中的數(shù)據(jù)和對象。 注意：在設置數(shù)據(jù)庫密碼之前，建議備份數(shù)據(jù)庫并將其存儲在一個安全的位置。 在設置數(shù)據(jù)庫密碼之前，需要以獨占方式打開數(shù)據(jù)庫。要以獨占方式打開數(shù)據(jù)庫： 如果數(shù)據(jù)庫處于打開狀態(tài)，關閉數(shù)據(jù)庫。 單擊“文件”菜單中的“打開”重新打開數(shù)據(jù)庫。 在“打開”對話框中，找到數(shù)據(jù)庫，單擊“打開”按鈕旁邊的箭頭，然后單擊“以獨占方式打開”。 要手動設置數(shù)據(jù)庫密碼： 在“工具”菜單中，指向“安全”，然后單擊“設置數(shù)據(jù)庫密碼”。 在“密碼”框中，鍵入密碼。 注意：密碼區(qū)分大小寫。 在“驗證”框中，重新鍵入密碼以確認，然后單擊“確定”。 現(xiàn)在就設置了數(shù)據(jù)庫密碼［2］。下次您或其他用戶打開數(shù)據(jù)庫時，會出現(xiàn)一個對話框要求輸入密碼。另一種是通過編程設置數(shù)據(jù)庫密碼，就要求使用者熟悉VB編程。ALTER DATABASE PASSWORD NewPassword OldPassword 在這個語句中，密碼由方括號 (［］) 分隔的 String 值表示，但下述情況例外。

第一次設置數(shù)據(jù)庫密碼時，使用 NULL 關鍵字作為 ALTER DATABASE 語句中的 OldPassword 參數(shù)。要刪除數(shù)據(jù)庫密碼，請使用 NULL 關鍵字作為 ALTER DATABASE 語句的 NewPassword 參數(shù)。在這些情況下，關鍵字 NULL 不應出現(xiàn)在方框中。

在使用以下過程之前，可能需要設置對 Microsoft ADO Ext 2.5 for DDL and Security 庫的引用（如果尚未設置）：

在 Visual Basic 編輯器中，指向“工具”菜單中的“引用”。將顯示“引用”對話框。

選中 Microsoft ADO Ext 2.5 for DDL and Security 復選框。

請看以下第一次設置密碼時的代碼：

Private Function CreateDBPassword(ByVal Password As String， _

ByVal Path As String) As Boolean

Dim objConn as ADODB.Connection

Dim strAlterPassword as String

On Error GoTo CreateDBPassword_Err

' 創(chuàng)建 SQL 串以初始化一個數(shù)據(jù)庫密碼。

strAlterPassword = "ALTER DATABASE PASSWORD［Password］ NULL;"

' 打開不具有安全設置的數(shù)據(jù)庫。

Set objConn = New ADODB.Connection

With objConn

.Mode = adModeShareExclusive

.Open "Provider=Microsoft.Jet.OLEDB.4.0;Data " & _

"Source=Path;"

' 執(zhí)行 SQL 語句對數(shù)據(jù)庫進行安全設置。

.Execute (strAlterPassword)

End With

' 清除對象。

objConn.Close

Set objConn = Nothing

' 如果成功，返回 true。

CreateDBPassword = True

CreateDBPassword_Err:

Msgbox Err.Number & ":" & Err.Description

CreateDBPassword = False

End Function

此過程接受用戶的密碼以及 .mdb 文件的路徑。首先聲明一個變量，代表對不具有安全設置的數(shù)據(jù)庫的連接，同時聲明一個 String 變量以包含我們用于更改密碼的 SQL 語句。下一步將 strAlterPassword 設置給使用 ALTER DATABASE PASSWORD 關鍵字的 Jet SQL 語句［3］。請注意，因為我們不是要替換密碼，因而第二個參數(shù)被設置為 NULL。再打開一個到該數(shù)據(jù)庫的連接。要設置密碼，必須以獨占方式打開數(shù)據(jù)庫，因此要設置 Mode 屬性。然后執(zhí)行 SQL 語句。通常可以從一個數(shù)據(jù)庫運行此過程，以便在一個單獨的不具有安全設置的數(shù)據(jù)庫中設置密碼。如果一切正常，函數(shù)返回 True。

網(wǎng)絡數(shù)據(jù)庫的運用在飛快的發(fā)展。如今，網(wǎng)絡購物已經(jīng)深入到千家萬戶，我們在享受這巨大便利的同時，也要警惕一些存在的安全隱患。當然，網(wǎng)絡沒有絕對的安全，但是我們通過了解網(wǎng)絡，就可以避免一些不必要的損失。

參考文獻

［1］ 陳思佳．網(wǎng)絡數(shù)據(jù)庫系統(tǒng)的安全性研究［J］．電腦知識與技術，2007，20:30～31．

篇4

【關鍵詞】自適應距離保護 人工神經(jīng)網(wǎng)絡 BP算法

一、引言

距離保護長期以來一直是復雜電網(wǎng)中高壓輸電線路最重要的也是應用最廣泛的保護方案。這種保護有許多獨特的優(yōu)點，如能瞬時切除輸電線80%～90%范圍內的各種故障。但是有許多原因會影響阻抗的測量精度，從而影響測量阻抗的計算，使測量阻抗為短路阻抗與附加阻抗之和，從而會引起誤動或者拒動。

基于這些問題，本文提出了人工神經(jīng)網(wǎng)絡。近年來，人工神經(jīng)網(wǎng)絡（ANN）逐漸得到電力系統(tǒng)研究人員的高度重視和廣泛研究。人工神經(jīng)網(wǎng)絡是由眾多的神經(jīng)元廣泛互聯(lián)而成的網(wǎng)絡。人工神經(jīng)網(wǎng)絡以其具有自學習、自適應、較好的容錯性和優(yōu)良的非線性逼近能力，廣泛應用于模式識別和模式分類等方面。

本文所采用的三層前向神經(jīng)網(wǎng)絡的學習算法為反傳學習算法，即BP算法，學習過程采用反向傳播法。

二、基于人工神經(jīng)網(wǎng)絡的距離保護模型

BP網(wǎng)絡模型也即多層前向網(wǎng)絡（Multi-layer Feedforward Neural Network，MFNN），因其訓練算法采用反向傳播算法，也即BP算法。由于這種算法在本質上是一種神經(jīng)網(wǎng)絡學習的數(shù)學模型，所以，BP算法也通常暗示著神經(jīng)網(wǎng)絡的拓撲結構是一種無反饋的多層前向網(wǎng)絡。

人工神經(jīng)網(wǎng)絡是由大量簡單的基本元件——神經(jīng)元相互連接而成的自適應非線性動態(tài)系統(tǒng)。一般而言，只要采用三層神經(jīng)網(wǎng)絡，而且對各層神經(jīng)元數(shù)目不加限制，則可在模式空間構成任意復雜程度的幾何圖形，從而對任意復雜的對象進行分類。

人工神經(jīng)網(wǎng)絡含有輸入層、輸出層以及處于輸入輸出層之間的中間層。中間層有單層或多層，由于他們與外界沒有直接聯(lián)系，故也稱為隱層。在隱層中的神經(jīng)元也稱隱單元。隱層雖然和外界不連接，但是他們的狀態(tài)則影響輸入輸出之間的關系。BP網(wǎng)絡的結構的每一層連接權值都可以通過學習來調節(jié)，它的基本處理單元（輸入層）除外通常為非線性輸入輸出關系。

三、神經(jīng)網(wǎng)絡的訓練及檢驗

本文通過EMTP仿真的數(shù)據(jù)預處理中得出了這兩個子網(wǎng)絡的權值和閥值矩陣中，用一些不同于訓練樣本的檢測樣本（本文在故障檢測與選相子網(wǎng)絡是用40組進行訓練，13組進行檢測的；對故障定位子網(wǎng)絡是用35組進行訓練，14組進行校驗的）。每一個子網(wǎng)絡的隱含層節(jié)點的數(shù)目，是在訓練過程中根據(jù)最快的收斂速度和最好的精度標準通過多次采用不同的隱含層節(jié)點數(shù)目進行訓練，反復比較，根據(jù)實際的收斂效果和計算精度來選擇確定的。其中，故障檢測與選相子網(wǎng)絡（ANN1）的隱含層數(shù)目取為42個，故障定位子網(wǎng)絡（ANN2）的隱含層數(shù)目取為33個。

在確定了兩個子網(wǎng)絡的隱含層以后，開始對故障檢測和選相子網(wǎng)絡（ANN1）和故障定位子網(wǎng)絡（ANN2）采用BP算法進行訓練。經(jīng)過對子網(wǎng)絡的多次訓練，其訓練過程是收斂的，其訓練速度也是令人滿意。

下面將2個子網(wǎng)絡的部分訓練樣本、檢驗樣本及檢驗結果。

在對第一個、第二個子網(wǎng)絡故障檢測與選相子網(wǎng)絡其訓練過程過程是收斂的，其訓練速度也是令人滿意的。

下面是子網(wǎng)絡ANN1的訓練樣本和訓練樣本及檢測樣本。故障類型有：內部故障，A相接地、內部故障，B相接地、內部故障，C相接地、內部故障，兩相短路、內部故障，兩相接地短路、內部故障，三相短路。理想輸出：1，0，0，0；0，1，0，0；0，0，1，0；0，0，0，1；0，0，0，1；0，0，0，1。檢驗結果：

0.9985，0.0378，0.0838，0.0230；0.0315，0.9988，0.0607，0.0121；0.1004，0.1718，0.9980，0.2715；0.2815，0.0499，0.0614，0.9864；0.2496，0.3688，0.0370，0.9798；0.0197，0.0551，0.0187，0.9981。

從上面可以清楚的看出，故障檢測和選相子網(wǎng)絡在各種故障情況下都能正確反映故障，并啟動保護和正確選相。

在第二個子網(wǎng)絡訓練過程也是表明故障定位子網(wǎng)絡ANN2也是收斂的，其訓練速度也是令人滿意的。

下面是故障定位子網(wǎng)絡ANN2的訓練樣本和檢驗樣本及結果舉例。當故障點線路全長線路全長83%，故障類型分別為單相接地、兩相故障、三相故障時，其理想輸出為1、1、1；當故障點線路全長線路全長87%，其理想輸出為0、0、0。檢測結果：當故障點線路全長線路全長83%，輸出：0.9867、0.9827、0.9572。當故障點線路全長線路全長87%，輸出：0.1758、0.1820、0.1602。

從上面數(shù)據(jù)可以看到，故障定位子網(wǎng)絡距離保護經(jīng)過訓練以后，基本能夠正確的識別故障點位置。

四、結論

本論文針對傳統(tǒng)距離保護在系統(tǒng)發(fā)生振蕩和系統(tǒng)經(jīng)過過渡電阻發(fā)生故障時，可能會誤動或拒動等，因此，提出了基于BP人工神經(jīng)網(wǎng)絡自適應距離保護原理由兩個相互獨立的子網(wǎng)絡來實現(xiàn)，即故障檢測與選相子網(wǎng)絡和故障定位子網(wǎng)絡。兩個子網(wǎng)絡組成一個并行處理系統(tǒng)，經(jīng)過大量的訓練樣本進行訓練，投入實際運行線路中，根據(jù)本身需要提取輸電線路的運行參數(shù)，對電力系統(tǒng)運行狀態(tài)進行判斷。研究結果表明，用人工神經(jīng)網(wǎng)絡實現(xiàn)最復雜的保護原理——距離保護是可行的，而且具有顯著的優(yōu)點。

參考文獻：

[1]賀家李，宋從矩.電力系統(tǒng)繼電保護原理（第三版）[M].北京：中國電力出版社，2001.

篇5

近日，H3C公司正式推出了國內第一個面向數(shù)據(jù)中心網(wǎng)絡的高端認證項目H3CSE-Data Center（H3C Certified Senior Engineer for Data Center Network,H3C認證數(shù)據(jù)中心網(wǎng)絡高級工程師）。這是H3C認證體系中高端認證項目之一，也是面向數(shù)據(jù)中心網(wǎng)絡高級工程師設置的一個高端培訓項目，旨在培養(yǎng)“云時代”的高級網(wǎng)絡人才。

H3C公司副總裁江梅坤先生介紹，之所以推出該認證項目，是因為H3C發(fā)現(xiàn)，近年來，隨著以云計算、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等為代表的戰(zhàn)略性新興產(chǎn)業(yè)的新興起，大量數(shù)據(jù)中心建設及改造項目的不斷出現(xiàn)，對數(shù)據(jù)中中心網(wǎng)絡建設的高級人才提出了旺盛的需求。傳統(tǒng)的數(shù)據(jù)中心認證項目大多關注計算、存儲、選址等設計，很少關注數(shù)據(jù)中心網(wǎng)絡規(guī)劃、設計、建設、運維，而傳統(tǒng)的IP網(wǎng)絡認證對數(shù)據(jù)中心的相關系統(tǒng)知識是一片空白，H3C作為網(wǎng)絡界的主流領導廠商，推出這一認證既是滿足數(shù)據(jù)中心網(wǎng)絡對高級人才的需求，也是廠商的責任所在。該認證項目將對國內數(shù)據(jù)中心網(wǎng)絡的建設者、維護者以及數(shù)據(jù)中心網(wǎng)絡工程技術人員非常有幫助。

據(jù)悉，在H3CSE-Data Center認證培訓課程中，學員將主要學習理解大中型數(shù)據(jù)中心的主要需求和常用技術，掌握如何運用這些技術設計和構建高速、可靠、安全的數(shù)據(jù)中心網(wǎng)絡。考試則分為筆試與實際操作兩部分，重點考察考生對數(shù)據(jù)中心網(wǎng)絡知識結構的掌握，對各項技術、特性的深入理解和運用能力，以及考生在工程規(guī)范、設備操作、協(xié)議配置、功能部署等方面的實踐技能。通過認證的網(wǎng)絡技術人員能掌握包括機房基礎設施建設、路由、交換、安全等部署數(shù)據(jù)中心網(wǎng)絡所需的全方位的理論知識和操作技能，可以勝任大中型數(shù)據(jù)中心網(wǎng)絡的架構設計、建設和管理工作。

H3C公司全球技術服務部副總裁李林先生介紹，與其他數(shù)據(jù)中心認證項目不同的是，這個認證是數(shù)據(jù)中心網(wǎng)絡方面的認證，主要關注數(shù)據(jù)中心網(wǎng)絡的建設；在網(wǎng)絡技術之外，更強調工程師對數(shù)據(jù)中心需求的理解，以及圍繞這些需求的實踐應用能力的提升，因此除了有針對性的強化授課內容之外，H3C還提供了大量的實驗設備和豐富的實驗安排，在考試中也同樣側重于能力考查。

經(jīng)過十年的發(fā)展， H3C已在國內各大中心城市擁有30余家授權培訓中心和300余家網(wǎng)絡學院，H3C認證也已成為高品質網(wǎng)絡認證項目的代名詞，每年通過其認證的人數(shù)超過了2萬人。截至2011年6月底的統(tǒng)計數(shù)字顯示，參加H3C認證培訓的總人數(shù)已突破15萬，其中8萬多人獲得了各類認證證書。

篇6

一、貫徹落實疫情防控工作要求

（一）提高政治站位。高度重視疫情防控工作，及時傳達貫徹中央及人社部、省委省政府、省人社廳、市委市政府及局黨組關于疫情防控工作的部署要求，進一步抓細抓實抓緊各項工作，統(tǒng)籌做好疫情防控和復工復產(chǎn)。

（二）做好信息支撐。切實保障各類應用系統(tǒng)安全穩(wěn)定運行，通過網(wǎng)站、移動應用、12333等渠道，確保人社各項政策的宣傳、落地。加強視頻會議的聯(lián)調測試、技術保障、運行管理和設備維護工作，保障疫情防控期間緊急任務的有效傳達落實。

（三）抓住發(fā)展機遇。深入分析疫情防控給信息化發(fā)展提出的要求及帶來的機遇，進一步發(fā)揮優(yōu)勢，推進經(jīng)辦大廳、網(wǎng)上服務、移動應用、自助終端、12333等服務方式的有序銜接，加快實現(xiàn)線上線下服務聯(lián)動。

二、加快社會保障卡應用建設

（一）完成發(fā)行任務。大力推進電子社?？ê灠l(fā)工作，確保完成2020年發(fā)卡和電子社?？ê灠l(fā)目標任務。穩(wěn)步推進第三代社會保障卡發(fā)行工作，制定發(fā)行計劃和工作方案，做好國產(chǎn)密鑰服務系統(tǒng)建設，確保第二代社會保障卡向第三代社會保障卡平穩(wěn)過渡。

（二）提升服務能力。完成省政務服務網(wǎng)、皖事通上社會保障卡服務事項的對接，實現(xiàn)社會保障卡網(wǎng)上申領、郵寄發(fā)卡、即時補換、線上啟用等服務的一網(wǎng)通辦。繼續(xù)協(xié)調合作銀行推進“一站式”服務網(wǎng)點建設，快速發(fā)卡網(wǎng)點覆蓋所有縣區(qū)和縣區(qū)全部合作銀行，每個縣區(qū)至少設立2個快速發(fā)卡網(wǎng)點。開展“清卡行動”，摸清超期未發(fā)、死亡未注銷等卡片數(shù)量，建立回收處理機制，確保應發(fā)盡發(fā)、應銷盡銷。

（三）加大應用拓展。開展人社領域待遇用卡專項提升行動，加大各類就業(yè)補貼、農民工工資等待遇進卡覆蓋面，拓展社會保障卡在職業(yè)培訓、人事考試等領域應用。推進全市惠民惠農財政補貼資金通過社會保障卡發(fā)放。貫通實體卡與電子社?？☉茫劳须娮由绫？扇松绺黝悺熬€上”應用，推進社會保險“線上”繳費，完善養(yǎng)老保險待遇資格“線上”認證，加大醫(yī)院門診和住院電子社?？⊕叽a支付結算宣傳，推進電子社保卡與“安康碼”互聯(lián)互通互認。

三、深入推進信息化項目建設

（一）做好“省集中”建設。按照省廳統(tǒng)一部署，做好智慧就業(yè)、社會保險、勞動監(jiān)察、人事人才、基金財務等“省集中”信息系統(tǒng)推廣實施，配合做好社會保險數(shù)據(jù)整理、數(shù)據(jù)上報、需求調研、開發(fā)測試、數(shù)據(jù)轉換、系統(tǒng)切換、風險防控及使用操作等方面工作，提高信息系統(tǒng)建設成效。

（二）完善公共服務平臺建設。繼續(xù)拓展網(wǎng)上服務、移動應用、自助終端、12333咨詢服務電話等多渠道便捷服務，整合統(tǒng)一全市人社“線上”服務平臺建設及公共服務應用接口標準，加大信息化協(xié)同和數(shù)據(jù)共享，加強與省政務服務網(wǎng)、皖事通、省人社公共服務平臺等系統(tǒng)對接，積極推進各類業(yè)務“網(wǎng)上辦”和“掌上辦”。

（三）加強軟硬件平臺運維。繼續(xù)完善社保核心平臺系統(tǒng)，完成電子社?？⊕叽a登錄及疫情防控期間各項政策落地系統(tǒng)改造工作。加強數(shù)據(jù)中心機房規(guī)范化管理，做好軟硬件設備和環(huán)境設備運維，完善信息化固定資產(chǎn)臺賬，確保各類軟硬件基礎平臺穩(wěn)定運行。

四、穩(wěn)步提升公共服務水平

（一）深入推進“互聯(lián)網(wǎng)+人社”建設。強化上下聯(lián)動，部門協(xié)作，落實2020年“互聯(lián)網(wǎng)+人社”重點任務計劃。著力完善一體化應用服務建設，探索“大數(shù)據(jù)”信息資源開發(fā)，切實增強基層服務平臺建設，優(yōu)化服務方式，提升服務效能，努力提升人社公共服務能力。

（二）提升12333電話服務能力。推進12333電話咨詢服務事業(yè)發(fā)展，舉辦好2020年“全國12333統(tǒng)一咨詢日”活動。推動12333電話咨詢業(yè)務購買第三方服務建設，確保綜合接通率達到80%以上。加快12333電話查詢和業(yè)務辦理功能建設，探索12333智能服務應用。強化業(yè)務政策培訓，充實完善知識庫內容，努力提升12333電話咨詢服務水平。

五、不斷強化網(wǎng)絡安全保障

（一）提高網(wǎng)絡安全意識。進一步提高站位，落實網(wǎng)絡安全主體責任，增強維護網(wǎng)絡安全的責任感和使命感，切實履行“守土有責、守土擔責、守土盡責”的網(wǎng)絡信息安全擔當。加強網(wǎng)絡安全宣傳，定期開展網(wǎng)絡安全相關法律法規(guī)集中學習。

（二）提升安全保障能力。完成網(wǎng)絡安全等級保護測評和整改，加快推進縣區(qū)業(yè)務專網(wǎng)安全等級保護工作。加強數(shù)據(jù)庫審計和運維管理及網(wǎng)絡安全監(jiān)測技術手段，做好業(yè)務終端準入控制和操作人員權限管理，提高基礎安全防護能力，防范安全事件發(fā)生。

（三）完善安全通報機制。建立完善市縣（區(qū)）兩級網(wǎng)絡安全通報反饋、應急處置機制，形成“通報、整改、督查、反饋”閉環(huán)，上下聯(lián)動，共同提高安全應急處置能力。

六、繼續(xù)加強網(wǎng)信基礎建設

（一）加強宏觀規(guī)劃。對標“十三五”人社網(wǎng)信目標任務，逐一清點落實。謀劃“十四五”期間人社網(wǎng)信工作思路，開展“十四五”人社信息化課題研究。

（二）加強工作宣傳。將宣傳工作放在重要位置抓實抓好，以社會保障卡宣傳工作為重點，把宣傳工作貫穿到卡服務的每個環(huán)節(jié)，提高群眾的知曉度和認同感。

篇7

【環(huán)球時報駐韓國特約記者　陸南?！繍阂庹u謗政客的行為將在韓國受到嚴懲。日前，一名65歲韓國婦女因涉嫌在網(wǎng)上誹謗韓國新世界黨總統(tǒng)參選人、韓國女政治家樸槿惠被警方拘留。韓國檢察機構稱，今年將舉行總統(tǒng)大選，對任何惡意誹謗行為都將予以嚴厲打擊。

據(jù)韓國《東亞日報》6日報道，首爾中央檢察院官員稱，已就網(wǎng)上流傳的誹謗樸槿惠的謠言展開調查，65歲的吳某因涉嫌在網(wǎng)上傳播誹謗言論、違反韓國有關法律被拘。

據(jù)韓國檢方透露，吳某在6月24日至26日4次在“On News”和“Brain News”等韓國網(wǎng)站上傳誹謗樸槿惠的言論：樸槿惠被稱為A某，“2002年5月訪問朝鮮時，A某接受了性招待”。調查顯示，吳某在10余篇網(wǎng)上文章中誹謗樸槿惠。樸槿惠所在陣營已于日前向檢察院起訴了吳某。

篇8

在網(wǎng)絡市場，思科認證“一統(tǒng)江湖”的局面正在被H3C所打破。近日，H3C正式推出國內第一個面向數(shù)據(jù)中心網(wǎng)絡的高端認證項目H3CSE-Data Center（H3C Certified Senior Engineer for Data Center Network，H3C認證數(shù)據(jù)中心網(wǎng)絡高級工程師）。據(jù)悉，這一認證是目前全球唯一一個能夠提供針對大中型數(shù)據(jù)中心設計、構建及所需技術的體系化培訓，并包含理論及實踐雙重培訓機制的高端認證。伴隨H3CSE-Data Center的推出，H3C也走進了網(wǎng)絡認證市場的核心成員俱樂部。

經(jīng)過十年的發(fā)展， H3C認證在網(wǎng)絡市場的影響力大有猛超思科的勢頭。已在國內各大中心城市擁有30余家授權培訓中心和300余家網(wǎng)絡學院的H3C，近年來一直在為網(wǎng)絡市場輸出高端專業(yè)人才。2007年，在國內參與H3C認證的人數(shù)就超過了參與思科認證的人數(shù)，每年通過其認證的人數(shù)超過了兩萬人。截至2011年6月底，參加H3C認證培訓的總人數(shù)已突破15萬，其中8萬多人獲得了各類認證。

H3C副總裁江梅坤告訴記者，數(shù)據(jù)中心的云化趨勢為整個行業(yè)帶來了巨大的變化，數(shù)據(jù)中心的建設更需要能夠在規(guī)劃、設計、運維等方面具有體系化思路的人才。但傳統(tǒng)網(wǎng)絡認證大多關注處理單一問題，對于數(shù)據(jù)中心建設的轉型需求支撐不足。H3C一方面希望通過推出H3CSE-Data Center認證項目完善數(shù)據(jù)中心網(wǎng)絡工程師的知識架構，一方面也希望在未來數(shù)據(jù)中心的建設項目中，培養(yǎng)更多能夠體系化地理解網(wǎng)絡架構與存儲、計算關系的專業(yè)人才。據(jù)介紹，在H3CSE-Data Center認證培訓課程中，學員學習的內容是大中型數(shù)據(jù)中心的主要需求和常用技術，掌握如何運用這些技術設計和構建高速、可靠、安全的數(shù)據(jù)中心網(wǎng)絡?？荚噷⒅攸c考察考生對數(shù)據(jù)中心網(wǎng)絡知識結構的掌握，對各項技術、特性的深入理解和運用能力，以及考生在工程規(guī)范、設備操作、協(xié)議配置、功能部署等方面的實踐技能。通過認證的網(wǎng)絡技術人員能夠掌握包括機房基礎設施建設、路由、交換、安全等部署數(shù)據(jù)中心網(wǎng)絡所需的全方位理論和操作技能，可勝任大中型數(shù)據(jù)中心網(wǎng)絡的架構設計、建設和管理工作。對業(yè)者而言，H3C認證培訓的質量和規(guī)格可謂不低。其培訓課程均由參與過騰訊、百度等企業(yè)及運營商等大型數(shù)據(jù)中心網(wǎng)絡建設和維護的H3C技術專家團隊精心打造。H3CSE-Data Center認證項目在培訓中還會專門針對數(shù)據(jù)中心網(wǎng)絡的建設者和運維人員進行工作任務分析、構建能力模型，同時還為學員提供了用于實驗操作的從接入層到核心層的全系列數(shù)據(jù)中心級網(wǎng)絡設備。

H3C認證雖然在國內已站穩(wěn)腳跟，但卻一直難以走入國際網(wǎng)絡高端認證的“核心俱樂部”。正如江梅坤所說，如果沒有推出數(shù)據(jù)中心認證這樣的項目，H3C依舊在“圈外”徘徊。

篇9

本文主要分析了延遲容忍移動傳感器網(wǎng)絡常見的一些數(shù)據(jù)傳輸技術漏洞和存在問題，闡述了在當前形勢下，改進該技術的重要性，針對其數(shù)據(jù)傳輸中存在的問題進行研究。筆者通過研究，總結和歸納自身多年工作經(jīng)驗，提出一些創(chuàng)新技術。希望通過本文的分析能幫助相關研發(fā)單位提高數(shù)據(jù)傳輸技術水平和質量，能更好地應對工作中存在的問題。

【關鍵詞】延遲容忍移動 傳感器 網(wǎng)絡數(shù)據(jù) 傳輸技術

延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)技術，是一種新技術，傳感器由無線網(wǎng)絡連接，使用范圍較廣。如水下信息采集、智能交通以及獲得戰(zhàn)場情報等。但其在運用時也發(fā)現(xiàn)了不少問題，因此，探討、分析該技術存在的問題具有重要的作用和意義，只有找到影響其運行的因素，并積極尋找解決對策，才能解決技術中存在的問題，提高這種新技術的水平和質量。

1 延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)傳輸技術現(xiàn)狀

1.1 相鄰節(jié)點的連接探測

該傳感器網(wǎng)絡節(jié)點在運行時，無法感知到鄰居節(jié)點的出現(xiàn)時間和分布區(qū)域，節(jié)點為了把采集到的數(shù)據(jù)及時的傳輸給基站，需要不間斷地對例句節(jié)點進行探測。當網(wǎng)絡連接時間間隔過長時，這種不間斷地測探工作，會使傳感器中能量受到限制的節(jié)點過早將能量消耗殆盡，使所有網(wǎng)絡使用期限受到影響。

1.2 傳輸數(shù)據(jù)的路由

移動是DTMSN節(jié)點的一大特性，網(wǎng)絡圖論的更新速度較快，各個節(jié)點間沒有相對穩(wěn)定的對端連接，使得該類傳感器網(wǎng)絡無法套用靜態(tài)傳感器網(wǎng)絡的數(shù)據(jù)傳輸體制。為保證其數(shù)據(jù)傳輸?shù)挠行裕话憔W(wǎng)絡節(jié)點會使用“儲存-挾帶-轉給”這種固定模式對數(shù)據(jù)進行傳輸，這種方式存在一些缺陷，如延遲較高、成功幾率較低。

節(jié)點對數(shù)據(jù)進行轉給時，為了保證成功率，使延遲降低，通常會將多個信息復制文本進行傳輸，但是，網(wǎng)絡節(jié)點沒有較大的空間對接受的數(shù)據(jù)進行儲存，大大降低了傳感器網(wǎng)絡的儲存能力。若沒有完善的控制機制對復本和轉發(fā)系統(tǒng)進行控制，會導致儲存容積極易消耗殆盡，其數(shù)據(jù)傳輸功能會受到嚴重影響。

1.3 數(shù)據(jù)傳輸?shù)陌踩?/p>

確保傳輸數(shù)據(jù)的安全性，是該網(wǎng)絡的關鍵所在。如若沒有安全保障體系對其進行控制，盡管其傳輸路由有效性再強，也沒有任何意義。因網(wǎng)絡節(jié)點儲存空間較小、圖論更新過快、通訊間隔較短，且其處理運算能力有限，使得該類網(wǎng)絡安全性能較低，易受到外界病毒或是黑客的攻擊，嚴重影響到其功能的發(fā)揮。傳統(tǒng)無線感應器網(wǎng)絡的數(shù)據(jù)傳輸?shù)陌踩夹g已較為完善，但這些技術在DTMSN中并不適用。

2 延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)傳輸創(chuàng)新技術

2.1 互質周期

以互質周期作為異步節(jié)點連接的探測基礎，可有效改善該類傳感器網(wǎng)絡中出現(xiàn)的節(jié)點連接探測問題，其主要的運行原理是將網(wǎng)絡的節(jié)點分成睡眠與喚醒兩種狀態(tài)。為了降低探測時的能耗，可以再探測使用一種基于互質周期的時隙睡眠探測方法，這種方法能保證在沒有預先連接信息的前提下，各個節(jié)點異步完成高效的探測，且成功率和精確度很高，是一種可行的方案；同時，可對RWP運動模型進行分析，利用其特有的統(tǒng)計方法，將網(wǎng)絡進行區(qū)域劃分后，將其中相鄰節(jié)點的相遇和出現(xiàn)概率與分布范圍進行計算，并制定科學、合理的探測方案，可有效提高節(jié)點的探測效率。

2.2 節(jié)點運動狀態(tài)

將其作為感應器網(wǎng)絡的主要運作方式，對數(shù)據(jù)進行傳輸，可有效解決路由問題。其主要運行原理是讓f1、f2這兩個通訊頻率分別進入到的節(jié)點運動狀態(tài)中，對數(shù)據(jù)進行傳輸和獲取。在f1這一頻率上，主要是降低原先使用GPS使帶來的高成本，其使用TDOA和節(jié)點的周期性對其節(jié)點出現(xiàn)地點、方向以及速度等運動狀態(tài)進行定位，以便對下一時段節(jié)點出現(xiàn)的位置以及傳輸幾率進行估算；在f2這一頻率上，數(shù)據(jù)是否轉給路由需要各個節(jié)點的傳輸概率進行比較后決定；還可利用MSAD的自私法則與信息時效對消息進行排列管理，特有效提高消息發(fā)送的均衡性和數(shù)據(jù)傳輸效率。

2.3 節(jié)點相互認證機制

該類感應器網(wǎng)絡中，節(jié)點的認證體系可被克隆，因此，為了提高傳輸數(shù)據(jù)的安全性，利用一種物理的不可復制性能（MAP）建立起認證體系，利用節(jié)點，對不可復制性能和體系將的激勵、響應信息進行存儲，使其相互認證等到實現(xiàn)。該體系可有效降低以往相互認證體系對信息數(shù)據(jù)庫的過度依賴，其較高的安全性可防止數(shù)據(jù)不被克隆。對MAP進行分析研究，發(fā)現(xiàn)可利用該性能制定一個專屬于DTMSN的密鑰管理體制，這種體制管理方法較為便捷，且具備較高的安全性，可保證延遲容忍移動傳感器網(wǎng)絡傳輸數(shù)據(jù)的安全性。

3 結束語

綜上所述，延遲容忍移動傳感器網(wǎng)絡在數(shù)據(jù)傳輸中存在一些問題，如相鄰節(jié)點的連接探測方式不合理、傳輸數(shù)據(jù)路由延遲較高，且成功率較低、數(shù)據(jù)傳輸安全等不到保障等。這些問題嚴重制約著其數(shù)據(jù)傳輸工作的順利開展，必須要解決這些問題，才能提高數(shù)據(jù)傳輸技術的質量。筆者提出，首先，可在互質周期的基礎上，使異步節(jié)點進行連接探測，提高探測效率；其次，利用節(jié)點運動狀態(tài)，感知下一時段內節(jié)點出現(xiàn)的位置和數(shù)據(jù)傳輸?shù)母怕?；最后，可利用物理不可復制性能與節(jié)點的相互認證體系相結合，提高傳輸數(shù)據(jù)的安全性。筆者希望更多的專業(yè)人士能投入到該課題研究中，針對文中存在的不足，提出指正建議，為提高我國延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)傳輸技術做出重要的貢獻。

參考文獻

[1]許富龍，劉明，龔海剛. 延遲容忍傳感器網(wǎng)絡基于相對距離的數(shù)據(jù)傳輸[J].軟件學報，2010（03）.

[2]楊奎武.延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)傳輸關鍵技術研究[D].北京郵電大學，2012.

[3]李文霽.延遲容忍移動傳感器網(wǎng)絡數(shù)據(jù)傳輸技術研究[D].北京郵電大學，2013.

[4]劉亞志.延遲容忍網(wǎng)中數(shù)據(jù)傳輸關鍵技術研究[D].北京郵電大學，2013.

篇10

Abstract： Perturbation model by building privacy preserving data clustering using hidden logarithmic spiral perturbations of the original data， maintaining stable raw data neighborhood relationship， the effective maintenance of data availability clustering； further mention BP neural networkthe convergence speed. Data privacy， while maintaining the availability of the output results and can be effectively avoided.

關鍵詞： BP神經(jīng)網(wǎng)絡；對數(shù)螺旋線；數(shù)據(jù)擾動；收斂速度

Key words： BP neural network；logarithmic spiral；data perturbation；convergence rate

中圖分類號：TP392 文獻標識碼：A 文章編號：1006-4311（2013）02-0181-02

0 引言

人工神經(jīng)網(wǎng)絡的輸入數(shù)據(jù)若能預先進行有效的數(shù)據(jù)處理，那么對隱藏層的數(shù)據(jù)處理可提供高效的數(shù)據(jù)，使得網(wǎng)絡收斂速度得到較快改進，數(shù)據(jù)擾動不僅是解決了該問題，而且可以對原始數(shù)據(jù)中的隱私信息得到有效的保護。

1 對數(shù)螺線方程

對數(shù)螺旋線上的動點的與極坐標的極徑始終保持定角β的軌跡，稱為對數(shù)螺旋線（如圖1所示），它的極坐標方程為：r=r0ekθ。

期中：r0、k為常數(shù)，k=ctgβ，r0為起始極徑，θ為極角，r為極徑。

在直角坐標系中其方程為：

x=r0ekθcosθ y=r0ekθsinθ

2 對數(shù)螺線特性

對數(shù)螺旋線具有良好的幾何特性，主要表現(xiàn)在以下幾方面：①在一條對數(shù)螺旋線上，每個點的螺旋角每處都相等，運動點的運動方向與極徑之間的夾角β始終固定值，稱該角度為對數(shù)螺旋線的螺旋角，即螺旋線上每點的螺旋角都相等。②螺旋線與它的等距曲線全等始終保持螺旋線的螺旋角都不會不變，改變它的起始極徑r0，那么就會形成一系列的等距螺旋線族，它們是全等的螺旋線。③針對多維數(shù)據(jù)，若進行對數(shù)螺線擾動，始終不會改變數(shù)據(jù)集的數(shù)據(jù)附近之間的關系。④對數(shù)據(jù)集進行多重對數(shù)螺線擾動，不會改變數(shù)據(jù)集的數(shù)據(jù)鄰域關系。⑤多重對數(shù)螺線擾動可以增強隱私保護的安全性。

綜上所述，通過對數(shù)螺旋線對數(shù)據(jù)進行擾動，不會改變原始數(shù)據(jù)的基本特性。

3 對數(shù)螺旋線數(shù)據(jù)擾動方法

考慮將對數(shù)螺線的幾何性質應用于微數(shù)據(jù)隱藏，借助對數(shù)螺線對數(shù)據(jù)點進行擾動，隱藏原始數(shù)據(jù)。具體思路如下：通過對數(shù)螺線的旋轉和縮放使數(shù)據(jù)點落于對數(shù)螺線上，再使數(shù)據(jù)點沿螺線方向在螺線上移動，從而對原數(shù)據(jù)進行擾動保護，將這種擾動方法稱之為對數(shù)螺線擾動。

設原始數(shù)據(jù)點為A，對數(shù)螺線擾動函數(shù)為F，擾動后數(shù)據(jù)點為A′，F(xiàn)×A表示運用函數(shù)F對數(shù)據(jù)點A進行擾動，則對數(shù)螺線擾動可以表示為F×AA′。

在二維平面上，給定一條對數(shù)螺線，對于平面上任意一點，若該點落在對數(shù)螺線上，則使該點順著螺線的方向在螺線上移動；若該點不在螺線上，則使螺線繞其螺心旋轉直至使該點落于螺線上，再使該點在螺線上沿螺線方向移動，將這種擾動方法稱之為二維對數(shù)螺線擾動，如圖2所示。

設點A（Ai，Aj）為二維平面上的任意一點，設對數(shù)螺心為O（x，y），對數(shù)螺線方程為r=aekθ，旋轉擾動角度為Δθ，如圖2所示，二維對數(shù)螺旋線擾動可分解為旋轉和縮放兩部分，點A先縮放至點A″，再圍繞螺心旋轉至點A′。

設θA為點A相對于對數(shù)螺線的極角，縮放參數(shù)k為擾動后的點A′與螺心的距離|A′|與擾動前的點A與螺心的距離｜OA｜的比，則

k=■=■=■=e■

其中r■、r■分別為點A、A′的極徑。則擾動后點A′（A■■，A■■）的坐標為

A■■=k·rA·cosθ■+Δθ+x A■■=k·r■·cosθ■+Δθ+y

根據(jù)給定的參數(shù)，設二維螺旋線擾動函數(shù)為F（k，Δθ，O（x，y）），則二維對數(shù)螺旋線擾動可以表示為：

F（k，Δθ，O（x，y））×A（Ai，Aj）A′（A■■，A■■）

將多維數(shù)據(jù)集D中的多維屬性隨機劃分成一組不相交的二維、三維投影子集，給定縮放參數(shù)k。對于二維投影子集，給定螺心O（x，y）和擾動角度Δθ，進行二維對數(shù)螺線擾動；對于三維投影子集，給定螺心O（x，y，z）、螺軸向量V（a，b，c）和擾動角度Δθ，進行三維對數(shù)螺線擾動，最后將原數(shù)據(jù)集替換為擾動后的數(shù)據(jù)集D′。對數(shù)據(jù)集D進行t次這樣的對數(shù)螺線擾動，最終得到t重對數(shù)螺線擾動后的數(shù)據(jù)集D（T）。

4 人工神經(jīng)網(wǎng)絡樣本質量對網(wǎng)絡的影響

BP神經(jīng)網(wǎng)絡能夠較好地解決I/O之間的映射關系的不明確問題，大部分的人工神經(jīng)模式在模式識別問題中，其I/O的映射關系難于用解析的方法來求解，故神經(jīng)網(wǎng)絡很難適用來解決模式識別中的有關問題。BP神經(jīng)網(wǎng)絡的樣本主要分為訓練樣本及測試樣本，神經(jīng)網(wǎng)絡中樣本的本身質量，在一定程度上影響著預網(wǎng)絡的預測結果。首先，輸入的訓練樣本及待預測樣本平均值存在較大差異，神經(jīng)網(wǎng)絡的預測誤差值，就會隨著增長預測時間的訓練不斷增大。再次，如果訓練誤差會隨訓練樣本及待預測樣本均值的差異增大而逐漸增大。

所以把用于BP神經(jīng)網(wǎng)絡的訓練樣本和待預測樣本先進行數(shù)據(jù)擾動，可以保證數(shù)據(jù)的安全性和可用性，先用對數(shù)螺旋線進行t重擾動，再進行BP神經(jīng)網(wǎng)絡的訓練，最后用輸入樣本數(shù)據(jù)進行預測，實驗證明使用擾動后的數(shù)據(jù)進行訓練的網(wǎng)絡比用原始數(shù)據(jù)歸一化處理后訓練的網(wǎng)絡收斂速度快，且輸出結果更加可靠。

5 實驗與分析

BP人工神經(jīng)網(wǎng)絡的主要功能是能以任意精度逼近任意連續(xù)函數(shù)，幾乎所有的模式識別及分類問題基本能看作從模式空間到類別空間的一個映射，故BP神經(jīng)網(wǎng)絡模式分類方法能用于解決任意復雜度的模式分類問題。BP神經(jīng)網(wǎng)絡泛化能力較強，若用少量的訓練樣本對網(wǎng)絡進行訓練后，那么BP神經(jīng)網(wǎng)絡對訓練階段，也能對沒有遇到的新樣本給出正確分類。神經(jīng)網(wǎng)絡的這種泛化性，是其它模式分類方法無法的。

使用傳統(tǒng)的神經(jīng)網(wǎng)絡方法，可以較好的解決模式分類問題，但因為訓練樣本數(shù)量和分布不可能是理想的，若使用樣本集訓練分類器所得到的分類面始終與最優(yōu)分類是存在差異，這就導致了人工神經(jīng)網(wǎng)絡的泛化能力。為了提高人工神經(jīng)網(wǎng)絡的泛化能力及收斂速度，有許多專家做了大量的工作，但由于這些研究主要是集中分析人工神經(jīng)網(wǎng)絡的參數(shù)和訓練樣本等對泛化能力的影響，對用新的方法提高網(wǎng)絡的泛化能力及泛化能力的穩(wěn)定性很少涉及[2]。

采用文獻[1]中的例子，在MATLAB下用誤差投影和局部投影算法，對RBF網(wǎng)絡進行仿真實驗，優(yōu)化BP網(wǎng)絡參數(shù)，預測某種水泥在凝固時放出的熱量y（卡/克）與水泥中下列四種化學成分之間的關系，實驗樣本數(shù)據(jù)為表1中的數(shù)據(jù)。

其中，x1，x2，x3，x4的含意如下：x1：3CaO·Al2O3的成分（%）；x2：3CaO·SiO2的成分（%）；x3：4CaO·Al2O3·Fe2O3的成分（%）；x4：2CaO·SiO2的成分（%）。

用對數(shù)螺旋線進行t重擾動（取整），對表1的擾動后的輸入如表2所示。

對BP網(wǎng)絡訓練后，對表2中的實際值進行預測，實驗結果如表3。

6 結論

采用對數(shù)螺旋線對輸入樣本數(shù)據(jù)進行擾動，保持了數(shù)據(jù)的原始特性不變的情況下，加快了BP人工神經(jīng)網(wǎng)絡的收斂速度，精度得到了較大的提高，而且對數(shù)據(jù)中的隱私得到了有效的保護。經(jīng)過MATLAB仿真實驗，仿真結果見表3，從該表可以看出，與文獻[2]的結果比較仿真精度得到了較大的提高，平均誤差為-0.27，標準方差為0.7732。

參考文獻：

[1]Kadirkamanathan V， Niranjan M. A function estimation approach to sequential learning with neural networks. Neural Computation，1993，5（4）：954-975.

[2]宋紹云等.人工神經(jīng)網(wǎng)絡中的樣本對輸出精度影響分析[J].河北：價值工程，2010-5-3.

[3]李江紅等.RBF神經(jīng)網(wǎng)絡的一種新的學習算法[J].長沙：長沙電力學院學報（自然科學版），2000，15（1）：39-42.