基于毫米波雷達三維點云的室內(nèi)跌倒檢測[人工智能][通信網(wǎng)絡(luò)]

全球老齡化時代的到來引發(fā)的老年人健康監(jiān)護問題不可忽視,而室內(nèi)跌倒對獨居的老年人有非常大的安全隱患。因此,為準(zhǔn)確檢測到跌倒動作,使用毫米波雷達三維點云信息進行室內(nèi)跌倒檢測,并提出一種基于外部注意力機制的PointLSTM網(wǎng)絡(luò)實現(xiàn)三維點云在時序的分類。通過MIMO體制的毫米波雷達芯片采集人體動作的回波信號,利用集成雷達基帶處理器的微控制器實現(xiàn)信號處理的部分,可將原始數(shù)據(jù)實時轉(zhuǎn)換成三維點云,并提高點云處理中的計算速度及雷達硬件的整體性能?;谕獠孔⒁饬C制的PointLSTM網(wǎng)絡(luò)可實現(xiàn)點云在時空中的提取特征和分類識別,網(wǎng)絡(luò)改進了PointLSTM幀間點信息的流失問題,并在信息提取中對所有數(shù)據(jù)實現(xiàn)特征聯(lián)系,外部注意力機制通過獨立的可學(xué)習(xí)參數(shù)優(yōu)化了網(wǎng)絡(luò)復(fù)雜度和識別精確率。實驗結(jié)果表明,所提出的方法在室內(nèi)環(huán)境下檢測準(zhǔn)確率可以達到98.3%,可以有效區(qū)分動作的類別,并驗證了使用毫米波雷達三維點云檢測人體跌倒的可行性。

發(fā)表于:9/11/2024 2:55:50 PM

高并發(fā)的數(shù)據(jù)安全能力微服務(wù)架構(gòu)及調(diào)度算法[EDA與制造][智能電網(wǎng)]

當(dāng)前,電力系統(tǒng)業(yè)務(wù)以微服務(wù)為主,業(yè)務(wù)架構(gòu)發(fā)生了顯著變化,數(shù)據(jù)安全能力需要與業(yè)務(wù)深度融合。然而,現(xiàn)有的數(shù)據(jù)安全能力仍以傳統(tǒng)軟硬件架構(gòu)為主,無法滿足跨域流動場景的動態(tài)彈性防護需求,難以適應(yīng)業(yè)務(wù)架構(gòu)的變化,亟需研究基于微服務(wù)化架構(gòu)的數(shù)據(jù)共享交互安全保護技術(shù)。然而由于電力系統(tǒng)產(chǎn)生的數(shù)據(jù)量巨大,不同數(shù)據(jù)又有著不同的數(shù)據(jù)安全需求,普通的微服務(wù)架構(gòu)難以解決電力系統(tǒng)微服務(wù)架構(gòu)在高并發(fā)場景下的負載失衡。針對以上問題,提出了一種基于開普勒優(yōu)化算法(Kepler Optimization Algorithm, KOA)的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法,旨在實現(xiàn)負載平衡,從而提升系統(tǒng)的高并發(fā)處理能力。通過對云集群節(jié)點資源和微服務(wù)性能進行詳細建模,以平衡集群負載與最小化微服務(wù)運行時間為目標(biāo)構(gòu)建了優(yōu)化模型。實驗結(jié)果顯示,基于KOA的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法在均衡服務(wù)器負載、提升集群系統(tǒng)處理效率以及降低任務(wù)響應(yīng)時間方面具有顯著效果,有效提升了系統(tǒng)的并發(fā)性能。

發(fā)表于:9/11/2024 1:22:19 PM

基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)訪問安全風(fēng)險識別模型研究[EDA與制造][智能電網(wǎng)]

對于現(xiàn)代電力系統(tǒng)的數(shù)據(jù)中臺而言,識別用戶訪問數(shù)據(jù)過程中的數(shù)據(jù)推斷風(fēng)險尤為關(guān)鍵。特別是多個用戶合謀竊取數(shù)據(jù)的行為,可能會造成從非敏感數(shù)據(jù)推斷出敏感數(shù)據(jù),導(dǎo)致敏感數(shù)據(jù)泄露,嚴重威脅電力調(diào)度和國家安全。傳統(tǒng)的訪問控制機制無法識別這種風(fēng)險。為此,提出一種基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)安全風(fēng)險識別模型MPA-BN,綜合考慮用戶訪問行為、時間模式、接口類型和數(shù)據(jù)交互方式,利用貝葉斯網(wǎng)絡(luò)分析用戶與服務(wù)接口之間的訪問關(guān)系,深入挖掘數(shù)據(jù)之間的依賴關(guān)系和概率特征,識別數(shù)據(jù)中臺對外服務(wù)接口的相關(guān)性以及用戶組合的潛在風(fēng)險。本研究使用的數(shù)據(jù)集來自電力公司數(shù)據(jù)中臺的脫敏日志, 其中包含10 000個訪問用戶,生成日志的條目約100萬。實驗結(jié)果表明,該模型能夠有效識別多用戶合謀竊取敏感數(shù)據(jù)的風(fēng)險,為電力系統(tǒng)數(shù)據(jù)安全提供更有力的保障。

發(fā)表于:9/11/2024 1:12:26 PM