一、NAS操作系统的优化（论文文献综述）
郝成勐,陈新,王会华,吕伟杰,李召超[1]（2021）在《基于群晖NAS的虚拟化技术及应用分析》文中认为介绍了基于群晖NAS的虚拟化技术,通过不同的维度与VMware虚拟化技术进行了对比分析,针对公司信息化系统现存的系统兼容性问题,在现有硬件设施基础上,提出了基于此技术的新的解决方案并应用实施。该方案具有成本低、部署快捷、无需改变原有软硬件环境的多重优势,经过测试验证极具可行性和实用性。
吴荔[2]（2021）在《基于网络附属存储的图书馆展览素材库研究》文中进行了进一步梳理图书馆展览素材库是各类展览资料的集成,对存储容量、网络质量、传输媒介、设备安全性具有较高要求。网络附属存储不仅具有操作简单、兼容度高、安全度高、硬件性能优异等优势,同时还能够满足图书馆展览素材库的建设需求。基于网络附属存储的图书馆展览素材库通过展览素材的分层、建设需求的规划和管理制度的改进,有利于其更好地发展。
孙旭阳[3]（2021）在《基于NAS的自动机器学习系统的设计与实现》文中进行了进一步梳理随着近些年来机器学习在科研与工程届的发展,其创建的模型越来越复杂,如果整个模型的参数都依靠人类去设计,这将会耗费掉大量人力资源。自动化的概念也正在与时俱进,以前定义的自动化是让机器代替人去操作,那么随着信息化的发展,自动化的概念也被认为机器应该可以代替人类的脑力劳动。而自动化机器学习系统就可以很好地解决以上需求。现有的自动化机器学习系统大多数是基于传统机器学习方法,通过贝叶斯算法或者进化算法选择不同的算法模型,较为缺少基于深度学习的一站式自动机器学习系统,同时现有神经网络架构搜索算法忽略了对增量学习的支持。针对上述问题,本文提出了一种基于知识蒸馏的增量神经网络架构搜索算法,填补了神经网络搜索算法在这一处的空白,解决了神经网络架构搜索算法在进行新样本的学习过程中遗忘旧样本数据的问题。避免训练后的模型对旧样本数据产生“灾难性遗忘”的问题。本文提出的算法模型,可在没有旧训练数据输入的情况下,对旧数据仍有较好的表现。本文设计并实现了一个基于NAS（神经网络架构搜索）的自动机器学习系统,系统包括数据管理中心、模型中心、存储和自动机器学习算法四个主要模块,用户通过网站访问服务,对模型以及数据进行管理,当用户提交训练请求后,算法模型进行异步训练,待完成训练之后将结果返回给前端展示给用户。存储模块为用户训练时的数据提供稳定可靠的支持。通过对比试验以及系统测试,本文提出的基于知识蒸馏的增量神经网络架构搜索算法达到仅次于新旧数据联合训练的效果,明显优于普通只对新数据进行训练的模型。系统功能实现完整,具有较高的可用性和鲁棒性。
史栋[4]（2021）在《主动式无线网络接入管理考勤系统的设计与实现》文中研究指明随着我国高等教育进入普及化发展的新阶段,学生人数的增长对高校的考勤管理工作提出了新的要求。目前高校考勤普遍采用的人工点名方式存在效率低、易出错等问题,很难满足当今高校考勤的需求。因此,研究一款适用于教学、会议等场景的小型便携自组网考勤系统,实现准确、快速考勤,对节约课堂时间、提升管理效率具有一定的实用价值。本文利用无线网络接入认证技术,构建了一种基于RADIUS协议的主动式无线网络接入模型。该模型有效回避了单一无线接入点无法满足考勤场景下的高并发连接需求的不足,保证了系统在大批量、高密集用户场景下的考勤数据传输稳定性。在此基础上,设计实现了一款主动式无线网络接入管理考勤系统。该系统选用小型ARM嵌入式开发板作为硬件运行环境,具备完整的独立无线局域网络组网和数据处理能力。用户通过手机等无线设备连接系统自身组建的考勤网络即可参与考勤,无需使用额外的数据流量。为了提升信道有效使用率,针对考勤过程中用户数量远大于系统自身无线接入点的信道限制问题,使用Portal技术将考勤网络的接入认证与考勤系统的签到步骤进行了有效整合,实现了用户在网络接入认证的同时完成考勤签到,以达到缩短用户占用网络信道时间的目的。为了释放已完成考勤用户占用的无线信道资源,使用主动式无线网络接入模型对考勤网络中的无线客户端进行管理。当用户成功考勤后,系统立即关闭已完成考勤用户的连接,杜绝了空闲客户端占用信道的问题。该系统可在不借助任何外部设备的情况下完成组建无线局域网络、接收和处理考勤数据等功能,具有自组网、易携带、使用方便快捷的特点。测试结果表明,相较于现有的考勤方式,基于主动式无线网络接入模型所设计的考勤系统有效缩短了考勤时间,显着提高了并发考勤数据的承载能力,达到了准确、快速考勤的目的。
董婷梅[5]（2021）在《垃圾短信云过滤平台的研究与实现》文中进行了进一步梳理随着微信等即时通信工具的迅速发展,个人用户的短信使用频率已然降低。但是短信作为一种方便、快捷、正式的移动联络方式,仍一直深受企事业单位、无网络群体以及商家等的欢迎,尤其是端口短信,近年来仍取得了突飞猛进的发展,给电信运营商提供了丰厚的回报。随着端口短信业务的发展,垃圾短信问题也日益突出。垃圾短信不仅对手机用户的正常工作和休息造成了干扰,还给运营商的造成了巨大的投资负担,开展垃圾短信整治势在必行。目前,国内主要基于黑白名单技术和文本内容过滤技术进行垃圾短信过滤,存在着误拦与漏拦率高的问题。针对以上问题,本文综合运用多种技术手段、方法、规则,开展垃圾短信云过滤平台的研究与实现,从通信运营商源头进行垃圾短信的识别分析与过滤。本文主要研究工作内容如下:1.本文对垃圾短信的背景进行了介绍,并开展了国内外垃圾短信过滤技术及过滤系统建设现状综述。本文对人工智能文本分析技术进行了深入研究,详细介绍了主动学习技术、分类技术及聚类技术,并对云平台进行了研究,介绍了其工作原理。2.设计实现了垃圾短信云过滤平台。本文首先对短信过滤流程和过滤平台需求进行分析,开展概要设计,然后对系统组织架构、网络架构、应用架构、主要业务功能模块进行了详细设计,并部署在云平台上。3.对智能过滤技术进行了优化,采用贝叶斯网络分类算法结合人工智能算法的新型算法对垃圾短信进行过滤,其中用到KNN分类方法对垃圾短信样本进行学习,可从人工审核的样本中学习人对垃圾短信的判定规则,辅以关键字库、名单策略等其他辅助参考逻辑,实现从运营商源头对短信进行基于内容的监控、鉴别、过滤和智能分类,提高垃圾短信过滤效率。垃圾短信云过滤平台测试结果表明,平台能对垃圾短信进行有效的拦截过滤,并实现对短信内容的识别及智能分类过滤。且由于系统采用人工智能学习的分析技术,日常维护中只需要很少的维护人员进行日常新样本的确认等工作,大大节省了人力成本。
历艳竺[6]（2021）在《基于内窥镜图像的多分类算法的研究与实现》文中指出在我国,现如今胃癌已经成为第三大癌症,并且每年都会有40万人左右深受胃癌所带来的伤害。目前,在临床上对胃癌进行诊断的常用手段之一就是内窥镜检查。胃癌在发病时较为隐匿、不易被患者所察觉,早期经常会因为没有明显的症状而导致漏诊的情况出现,并且还具备易转移、复发和预后差等特点。据研究表明,内窥镜检查可以显着的减少亚洲患者胃癌死亡率。在检查过程中产生的大量内窥镜图片需要由专业的内科医务人员去进行初步筛选,这对于医生的经验、精力、时间都有着较高的要求。此外,还存在着某些图片病灶不够明显或者有异常的情况,因而诊断难度较大。本篇论文主要研究对内窥镜图片进行分类检测并提高分类准确率的问题,主要工作如下:第一,文中所用的数据集由医生通过电子内窥镜采集,分为胃癌、胃溃疡、胃息肉和正常四类图像并且数量较少,因而通过三种数据增强方法来对现有样本进行处理,包括旋转翻折、Gamma校正和直方图均衡化。第二,随着人工神经网络的兴起,卷积神经网络已经被证明可以应用到图像分割、图像分类等场景中,它具有强大的特征提取能力。因此,文中提出了一个卷积神经网络模型GEINet（Gastric Endoscopy Image Net）,并使用该模型去研究数据增强方法对内窥镜图像多分类问题的影响。迁移学习是使用卷积神经网络进行图像分析的一种方法,它能够针对已经在其他领域中训练完成的卷积神经网络模型,再次利用一些非源领域的数量不多的样本去进行微调,从而能够实现适应新领域任务的目标。文中采用了五种迁移学习的预训练模型来对内窥镜图像数据集进行训练,而后对得到的模型进行优化,通过对优化前后的模型进行对比,找到一种迁移学习预训练模型结合数据增强方法进行内窥镜图像多分类时性能指标较好的搭配方案。为了能够提升模型的泛化能力、减少过拟合的风险,文中对三组实验均采用了五折交叉验证,并使用五次结果的平均值作为实验的最终结果。实验结果表明,在针对内窥镜图像多分类的任务中,采用了数据增强方法后使分类精度提高了2.50%～11.62%。为了进一步提高性能,采用了五种不同的迁移学习预训练模型并设计了相应的网络,特别是在使用Dense Net201预训练模型,搭配旋转翻转、直方图均衡化和Gamma校正等数据增强方法后,准确率达到99.63%。经过详细的对比实验,表明使用数据增强方法结合迁移学习预训练模型可以得到较好的医学图像多分类问题的性能指标。
王波[7]（2021）在《台区线损分析与监控系统的设计与实现》文中研究指明在电力系统的管理工作中,线损是电力系统中无法避免的客观现象。线损会造成电力企业的电能损耗,过高的线损率会降低电力企业的营销效益。因此,对线损进行分析,降低电力系统的线损率,对于提高电力企业的经济效益有着重要的意义。由于眉山供电公司目前的线损管理工作缺乏专用工具的支持,业务管理效率比较低。本课题通过分析公司的台区线损管理现状及问题,利用Java Web软件开发技术、SSM技术、Oracle数据库技术和NAS网络增量存储技术,设计和开发一套基于售电端和供电端数据的台区线损分析和监测软件,提高公司各单位的线损分析准确性、实时性和便利性,促进公司电网运维管理水平和质量的提升。在研究中通过对国内外的线损分析工作的情况与差异进行分析,为系统研发提供理论支持。基于对眉山供电公司的线损管理业务现状及问题进行考察,分析了系统的研发目标,包括系统的交互需求、功能需求和性能需求。按照系统的需求分析及研发技术要求,确定了系统的研发技术和工具。随后,对系统进行功能分析和设计,将系统划分为成效管理、线损管理、台区监控和系统管理4个模块,并对系统的交互功能及功能模块进行了详细设计,包括其功能组件结构及Java类结构。同时还对系统的数据库进行分析与设计。在系统设计工作的基础上,对系统的功能进行开发实现,介绍系统的功能实现流程与方法、关键代码等,并展示系统的功能运行界面。最后,测试系统的功能及性能,通过JMeter及WebSiege等自动化测试工具,验证了系统的功能和性能表现,达到预期开发目标。
黄胜祝[8]（2021）在《供电公司配网生产抢修指挥平台设计与实现》文中认为国网仁寿县供电公司的配网生产抢修指挥业务目前缺乏专用的软件工具,导致其业务管理效率低下、错误率比较高。因此本文按照公司的配网故障抢修管理业务的信息化需求,选择合理的软件研发技术和工具,完成配网生产抢修指挥平台的功能方案设计与研发,实现配网生产抢修指挥管理的自动化和信息化。在研究中首先对国内外的配网抢修指挥的信息化技术发展现状进行整理分析,结合仁寿县供电公司的业务现状及问题,将系统的功能开发需求划分为数据交互、Web服务端和APP端3个方面。按照系统的需求分析,对当前的软件开发技术进行特点分析,并确立了基于Java Web、NAS网络增量存储、Baidu Map电子地图、HyBrid混合式APP开发模式的技术选型。随后按照系统的需求分析及技术选择,详细研究了系统的功能设计方法和思路,包括系统的总体功能方案、交互功能、Web服务端、APP端功能,以及系统的数据库表结构等。在系统功能设计的基础上,按照系统的研发技术,对系统的交互功能、Web服务端、APP端的功能实现方法、流程、代码及运行界面等进行了详细研究和说明。最后,通过对系统进行模拟测试和验证,得到系统的功能及性能均达到了预期要求。本系统可以通过NAS网络增量存储文件,实现与95598客户系统、PMS系统、CIS系统、用电采集系统之间的数据交互,并对交互得到的配网故障数据、客户报修数据进行分析,创建对应的配网故障抢修工单,对工单进行自动派发。同时,系统可以对已经派发的工单进行动态跟踪和监测。系统的应用有效提高了仁寿县供电公司的配网生产抢修指挥业务的管理效率和质量。
朱光辉[9]（2020）在《分布式与自动化大数据智能分析算法与编程计算平台》文中提出与传统小规模数据场景下的智能化分析应用不同,大数据场景下的智能化分析应用,不再是单一的单机AI算法模型问题,而是大数据、大模型、大计算的融合,需要同时考虑算法模型设计、大数据处理以及高效的分布并行计算问题,这对大数据智能分析基础理论方法与关键技术研究,带来了一系列新的挑战和问题。首先,现实世界大规模数据场景下的复杂数据挖掘与机器学习,存在突出的计算效率问题。大数据动摇了传统计算复杂性理论和方法。在大数据场景下,传统的多项式复杂度算法难以完成大数据、大模型计算问题,因此,需要研究设计大规模数据场景下高效的分布式并行化方法与算法,以此提升大数据智能分析计算效率。然而,高效的分布式数据挖掘和机器学习方法与算法设计,面临一系列复杂的基础理论方法与关键技术问题,不仅需要考虑单机串行算法固有的计算复杂性,还需要考虑并研究解决在分布并行环境下,大数据分布式算法的可并行度、存储、I/O和网络通信等系统复杂性,以及分布式算法性能的深度优化问题。除了计算效率问题外,现有的大数据智能分析技术和平台还存在突出的易用性问题。一方面,现有大数据智能建模方法技术门槛高、大量依赖专家经验,为此,需要研究高效的自动化机器学习（Auto ML）建模方法,以此降低AI建模技术门槛,大幅提升AI建模效率。但Auto ML自动化机器学习面临着搜索与建模方法的有效性、搜索计算效率优化等诸多基础理论方法与难点技术问题。另一方面,如前所述,大数据场景下的智能化分析应用开发,不仅仅是算法模型设计问题,还是一个大数据和大计算问题,这就需要研究解决大数据智能化分析建模与分布并行计算系统交叉融合的关键技术问题,以此构建一个融算法模型设计与大数据编程计算能力于一体的统一大数据智能分析编程计算支撑平台。围绕以上关键科学问题,本文在大数据分布式数据挖掘与机器学习、自动化机器学习以及大数据编程计算方法等基础理论与方法研究基础上,结合算法本身的重要性和技术挑战性以及业界的实际应用需求背景,首先选取了一系列基础常用、复杂性高、计算效率问题突出、且分布式算法设计难度大的数据挖掘与机器学习算法,开展了高效大规模分布式并行化数据挖掘与机器学习方法与算法研究;其次,开展了面向不同任务场景的高效Auto ML自动化机器学习方法与算法研究;最后,在融合分布式数据挖掘与机器学习以及Auto ML自动化机器学习关键技术方法与算法的基础上,研究构建了高效易用的统一大数据智能分析编程计算方法与系统平台,并进行了实际应用验证。具体而言,本文工作包括以下主要研究内容和创新:（1）研究实现了基于属性重排序的大规模分布式函数依赖发现算法。函数依赖是数据挖掘中基础常用的数据结构,但是函数依赖发现任务计算复杂度与内存复杂度高,尤其在大规模数据场景下,算法运行时间和内存开销巨大。为此,本文研究提出了基于属性重排序的大规模分布式函数依赖发现算法Smart FD。在数据预处理阶段,研究提出了一种高效的基于倾斜度和基数的属性重排序方法;在函数依赖发现阶段,研究提出了一种基于快采样早聚合机制的分布式采样方法、基于索引的验证方法以及采样验证自适应切换方法。实验结果表明,与已有算法相比,Smart FD可以实现一到两个数量级的性能提升,且具有良好的数据可扩展性与系统可扩展性。（2）研究实现了基于分布式数据并行的大规模并行化谱聚类算法。谱聚类算法聚类效果优于传统聚类算法,但其存在计算流程复杂、计算复杂度高以及计算耗时长等问题,尤其在大规模数据场景下,计算效率问题更为突出。为此,本文研究提出了基于分布式数据并行模式的大规模并行化谱聚类算法SCo S,实现了谱聚类算法中相似度矩阵构建与稀疏过程并行化、Laplacian矩阵构建与正规化过程并行化、正规化Laplacian矩阵特征向量计算并行化以及k-means聚类并行化。实验结果表明,SCo S算法在大规模数据场景下表现出了良好的数据及系统可扩展性。（3）研究实现了基于子森林均匀划分的分布式任务并行深度森林训练方法与算法。近年来,研究人员提出了可与深度神经网络相媲美的深度森林模型。但已有的深度森林训练算法是单机串行的,计算效率低、可扩展性差,难以满足大数据场景下深度森林训练的应用需求。为此,本文研究提出了基于细粒度子森林均匀划分、任务并行的分布式深度森林训练方法与算法Forest Layer,在提升计算并发度的同时,优化和降低网络通信开销。另外,进一步实现了延迟扫描、预池化以及部分传输三种系统层优化方法。实验结果表明,与已有深度森林训练算法相比,Forest Layer能够实现7到20倍的加速比,并具有近线性的可扩展性及良好的负载均衡。（4）研究实现了面向不同任务场景的Auto ML大数据自动化机器学习方法与算法。首先,针对全流程化大数据分析场景,研究提出了基于强化学习和贝叶斯优化的机器学习流水线自动化设计算法Robo ML,实现交替的流水线结构自动搜索和超参数优化。针对资源受限场景,研究提出了一种基于自适应连续过滤的Auto ML算法BOASF,将Auto ML问题统一抽象为多臂赌博机问题,通过自适应快速过滤以及自适应资源分配等方法加速Auto ML搜索过程。最后,针对终生学习场景的概念漂移问题,研究提出了基于自适应加权集成学习的自动化终生学习算法Auto LLE,集成了全局增量模型和局部集成模型,并基于时间窗口和误差度量自适应调整各模型权重,有效捕捉概念漂移,大幅提高模型的准确性。（5）研究实现了高效的Auto DL大数据自动化深度学习方法与算法。为了提升深度神经网络超参数优化的计算效率,研究提出了一种结合渐进多保真度优化和Successive Halving优化的超参数优化方法Fast HO,通过尽早过滤掉表现较差的超参数配置,并为剩余超参数配置分配更多的资源,从而提升超参数优化的效率。其次,为了提升深度神经网络架构搜索效率,研究提出了基于最小化离散性能偏差的可微分架构搜索算法MGDARTS,通过设计更容易饱和的权重函数以及对超网络每条边的权重之和做整体性约束,尽量减少超网络离散化后的性能损失。实验结果表明,所提出的算法优于现有算法的性能。（6）研究实现了高效易用的统一大数据智能分析编程计算方法与平台。为了有效支持大数据智能化分析应用的开发,在融合上述分布式数据挖掘与机器学习以及Auto ML自动化机器学习关键技术方法与算法的基础上,研究设计并实现了一个支持多计算模式、高效易用的跨平台统一大数据智能分析编程模型与计算平台。首先研究提出了覆盖表模型、矩阵模型、张量模型、图模型、流式数据模型等多种计算模型的跨平台统一大数据智能分析编程计算模型。在此基础上,研究设计了基于计算流图的大数据智能分析编程方法。其次,研究实现了统一大数据智能分析平台集成框架以及跨平台统一的作业调度方法。最后,基于统一大数据智能分析与可视化编程系统平台,进行了实际的应用验证。本文工作发表第一作者研究论文7篇（其中CCF A类期刊/会议论文2篇,B类期刊/会议2篇,中文CCF A类期刊论文1篇）。此外,在Auto ML自动化机器学习方面的研究工作,在Neur IPS、KDD、PAKDD等国际顶级人工智能会议上举办的Auto ML大赛中,共计荣获9项大奖,并在教育部主办的第五届中国“互联网+”大学生创新创业大赛中,荣获全国金奖。另外,大规模分布式数据挖掘与机器学习以及Auto ML自动化机器学习等相关技术研究成果已转让给国内华为、360等多个大型IT企业落地应用。
曹永宁[10]（2020）在《电子政务内网涉密信息系统安全防护架构设计》文中提出电子政务涉密信息系统是国家行政机关单位运用现代计算机技术和网络信息技术,将政府内部的各种数据及文件以数字形式存贮于内网服务器中,可通过内网终端机快速查询以及访问所需要的内容,实现高效,规范化内部办公系统。随着每年各种信息安全事件的发生,人们越来越关注个人信息的泄露,特别是处理国家事务的机要部门,更加关注自己所建政务网络的安全防御能力。在总书记习近平关于互联网强国的关键思想指导下,中国的互联网基础设施得到了加速,自主创新能力不断提高,核心技术突飞猛进,数字经济取得了重大进展,网络安全能力也在持续增长,网络与通信工程取得了历史性成就,为全球互联网的发展做出了中国贡献,给出了中国经验。近些年,我国在政府信息安全建设和法治方面取得了很高的成绩,而且在政务网络的建设上投入了大量的资金,政府部门对电子政务内网的安全建设上出台了分级保护和等级保护等方面的强制要求,对项目实施的每一个环节做了详细的规定。从总体的功能及体验上来看,能满足用户的基本需求,但是随着网络信息技术的发展,与之相关的威胁和风险变得越来越突显,比如网络安全设计,网络体系结构漏洞等,将对现有政务内网的安全性造成或多或少的威胁。为此,本文结合电子政务内网安全防护架构的设计,对内网建设存在的安全性问题进行分析,优化其政务网络安全的设计,以实现网络安全应用程序的可靠性和有效性。本文从整体上构建了适用于电子政务内网的安全防护架构的各个模块,在对当前电子政务问题进行研究的基础上,分析了目前电子政务内网框架结构存在的安全风险,从应用系统安全和网络系统安全出发,利用三员分离的思想,对最基本的操作者安全管理进行了设计,避免一揽大权带来的违规操作风险,同时设计并编写了一种基于终端主机的用户本地入侵检测系统,可以对内部人员的异常访问进行检测。接着在网络系统安全方面采用下一代防火墙技术和网络入侵检测的虚拟化设计对每个分域进行了保护。最后采用链路冗余、PQ检验的磁盘阵列、AB两地的容灾等设计,对数据进行了有效的安全防护与备份。测试结果表明,本文提供的安全防护架构可以更好地保护各种设备免受外界攻击并提高了政府网络信息的安全性,对电子政务内网平台安全合理的建设具有一定的实践指导意义。
二、NAS操作系统的优化（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、NAS操作系统的优化（论文提纲范文）
（1）基于群晖NAS的虚拟化技术及应用分析（论文提纲范文）
| 1 前言 |
| 2 群晖NAS虚拟化技术 |
| 2.1 相关技术简介 |
| 2.2 两种虚拟化技术的对比分析 |
| 2.2.1 安全性 |
| 2.2.2 可用性 |
| 2.2.3 易用性 |
| 2.2.4 可扩展性 |
| 2.2.5 性价比 |
| 3 应用实践 |
| 3.1 现状 |
| 3.2 方案设计思路 |
| 3.3 部署实施过程 |
| 4 应用效果分析 |
| 5 结语 |
（2）基于网络附属存储的图书馆展览素材库研究（论文提纲范文）
| 图书馆展览素材库的建设需求 |
| 数据需要较大存储空间 |
| 数据需要跨设备传输 |
| 数据需要保证安全无损 |
| NAS应用于图书馆展览素材库的优势 |
| 管理简单 |
| 兼容性好 |
| 安全性高 |
| 硬件性能优异 |
| 基于NAS的图书馆展览素材库建设理念 |
| 对展览素材进行合理分层 |
| 对建设需求进行宏观规划 |
| 对管理制度进行科学改进 |
（3）基于NAS的自动机器学习系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文章节安排 |
| 第二章 相关技术 |
| 2.1 循环神经网络 |
| 2.2 卷积神经网络 |
| 2.2.1 卷积层 |
| 2.2.2 池化层 |
| 2.3 强化学习 |
| 2.3.1 强化学习简介 |
| 2.3.2 强化学习的基本方法 |
| 2.3.3 基本模型 |
| 2.4 神经网络架构搜索 |
| 2.4.1 问题定义 |
| 2.4.2 搜索策略 |
| 2.4.3 基于强化学习的架构搜索算法 |
| 2.5 增量学习 |
| 2.5.1 知识蒸馏 |
| 2.5.2 基于知识蒸馏增量学习 |
| 2.6 Spring框架概述 |
| 第三章 基于知识蒸馏的增量神经网络架构搜索算法 |
| 3.1 研究动机 |
| 3.2 问题定义 |
| 3.2.1 搜索空间定义 |
| 3.2.2 搜索算法定义 |
| 3.3 算法结构 |
| 3.3.1 算法框架 |
| 3.3.2 更新策略 |
| 3.4 实验与分析 |
| 3.5 本章小结 |
| 第四章 基于NAS的自动机器学习系统的设计与实现 |
| 4.1 需求分析 |
| 4.1.1 功能性需求分析 |
| 4.1.2 非功能性需求 |
| 4.2 系统架构设计 |
| 4.2.1 系统整体架构 |
| 4.2.2 数据库表结构设计 |
| 4.2.3 接口设计 |
| 4.3 系统实现 |
| 4.3.1 存储功能的实现 |
| 4.3.2 业务功能的实现 |
| 4.3.3 算法功能 |
| 4.4 系统测试 |
| 4.4.1 测试环境 |
| 4.4.2 系统评估 |
| 4.5 本章小结 |
| 第五章 结束语 |
| 5.1 总结 |
| 5.2 未来计划 |
| 参考文献 |
| 致谢 |
（4）主动式无线网络接入管理考勤系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 刷卡考勤 |
| 1.2.2 生物识别考勤 |
| 1.2.3 手机考勤 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 相关技术概述 |
| 2.1 无线局域网络的接入认证 |
| 2.2 网络认证协议 |
| 2.2.1 IEEE802.1X协议 |
| 2.2.2 RADIUS协议 |
| 2.3 Portal认证 |
| 2.4 本章小结 |
| 第三章 主动式无线网络接入模型构建 |
| 3.1 主动式接入管理流程 |
| 3.1.1 无线局域网络通信问题分析 |
| 3.1.2 主动式接入管理技术 |
| 3.1.3 主动式接入管理流程设计 |
| 3.2 网络接入模型构建 |
| 3.3 网络接入模型性能测试 |
| 3.3.1 测试环境 |
| 3.3.2 测试方法 |
| 3.3.3 测试结果分析 |
| 3.4 本章小结 |
| 第四章 考勤系统分析与设计 |
| 4.1 系统分析 |
| 4.1.1 可行性分析 |
| 4.1.2 功能需求分析 |
| 4.1.3 非功能需求分析 |
| 4.2 系统概要设计 |
| 4.2.1 系统体系结构 |
| 4.2.2 系统运行流程 |
| 4.2.3 系统功能框架 |
| 4.3 系统详细设计 |
| 4.3.1 注册登录模块 |
| 4.3.2 认证服务器模块 |
| 4.3.3 考勤签到模块 |
| 4.3.4 考勤记录管理模块 |
| 4.3.5 用户信息管理模块 |
| 4.3.6 无线接入点模块 |
| 4.4 数据库设计 |
| 4.4.1 概念模型设计 |
| 4.4.2 物理模型设计 |
| 4.5 本章小结 |
| 第五章 考勤系统实现与测试 |
| 5.1 开发环境 |
| 5.1.1 硬件环境 |
| 5.1.2 软件环境 |
| 5.2 考勤系统模块实现 |
| 5.2.1 注册登录模块 |
| 5.2.2 认证服务器模块 |
| 5.2.3 考勤签到模块 |
| 5.2.4 考勤记录管理模块 |
| 5.2.5 用户信息管理模块 |
| 5.2.6 无线接入点模块 |
| 5.3 考勤系统测试 |
| 5.3.1 功能测试 |
| 5.3.2 系统测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（5）垃圾短信云过滤平台的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要工作 |
| 1.4 论文结构组织 |
| 第二章 相关技术介绍 |
| 2.1 云平台介绍 |
| 2.1.1 容器云介绍 |
| 2.1.2 NAS协议介绍 |
| 2.1.3 NAS协议实现 |
| 2.2 人工智能文本分析技术介绍 |
| 2.2.1 主动学习技术 |
| 2.2.2 分类技术 |
| 2.2.3 聚类技术 |
| 第三章 垃圾短信云过滤平台需求分析 |
| 3.1 短信过滤流程分析 |
| 3.2 垃圾短信过滤业务说明 |
| 3.3 垃圾短信云过滤平台需求分析 |
| 3.3.1 黑名单用例 |
| 3.3.2 白名单用例 |
| 3.3.3 关键词用例 |
| 3.3.4 智能过滤用例 |
| 3.3.5 云平台用例 |
| 第四章 垃圾短信云过滤平台设计与实现 |
| 4.1 系统组织架构设计 |
| 4.2 系统网络架构设计 |
| 4.3 系统应用架构设计 |
| 4.4 系统主要业务功能设计 |
| 4.4.1 智能过滤 |
| 4.4.2 关键字自动监测过滤 |
| 4.4.3 黑名单过滤 |
| 4.4.4 白名单放行 |
| 4.4.5 红名单放行 |
| 4.4.6 灰名单审核、查询 |
| 4.4.7 辅助过滤功能设计 |
| 4.5 系统存储数据库设计 |
| 4.6 系统逻辑模型 |
| 4.7 系统接口设计 |
| 4.8 云平台的设计与实现 |
| 第五章 垃圾短信云过滤平台测试 |
| 5.1 测试设备 |
| 5.2 主要测试功能 |
| 5.2.1 黑名单主被叫功能测试 |
| 5.2.2 白名单主被叫功能测试 |
| 5.3 平台效果 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 主要创新点 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（6）基于内窥镜图像的多分类算法的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高清电子内窥镜研究现状 |
| 1.2.2 图像分类研究现状 |
| 1.2.3 卷积神经网络研究现状 |
| 1.2.4 数据增强研究现状 |
| 1.3 主要工作内容 |
| 1.4 组织结构和安排 |
| 第2章 相关理论介绍 |
| 2.1 神经网络理论 |
| 2.1.1 神经元 |
| 2.1.2 多层感知器 |
| 2.1.3 深度神经网络 |
| 2.2 卷积神经网络理论 |
| 2.2.1 卷积层 |
| 2.2.2 池化层 |
| 2.2.3 激活函数 |
| 2.2.4 全连接层 |
| 2.2.5 网络训练过程 |
| 2.3 迁移学习理论 |
| 2.4 本章小结 |
| 第3章 卷积神经网络GEINet模型设计 |
| 3.1 图像处理 |
| 3.1.1 图像预处理 |
| 3.1.2 数据增强 |
| 3.2 卷积神经网络模型GEINet |
| 3.2.1 GEINet模型网络结构 |
| 3.2.2 GEINet模型参数配置 |
| 3.3 实验与结果分析 |
| 3.3.1 实验环境 |
| 3.3.2 数据集介绍 |
| 3.3.3 实验设计和结果分析 |
| 3.4 本章小结 |
| 第4章 迁移学习网络结构研究 |
| 4.1 迁移学习网络结构 |
| 4.1.1 内窥镜图像分类 |
| 4.1.2 预训练模型 |
| 4.1.3 模型微调 |
| 4.1.4 实验设计与结果分析 |
| 4.2 迁移学习网络结构优化 |
| 4.2.1 迁移学习网络优化 |
| 4.2.2 实验设计与结果分析 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（7）台区线损分析与监控系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状分析 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 系统需求分析 |
| 2.1 系统需求概述 |
| 2.1.1 台区线损管理内容 |
| 2.1.2 台区线损管理现状 |
| 2.2 系统研发目标 |
| 2.3 系统功能需求 |
| 2.3.1 成效管理需求 |
| 2.3.2 线损分析需求 |
| 2.3.3 台区监控需求 |
| 2.3.4 系统管理需求 |
| 2.4 系统数据交互需求 |
| 2.5 系统性能需求 |
| 2.6 系统技术选型分析 |
| 2.7 本章小结 |
| 第三章 系统设计 |
| 3.1 系统总体设计 |
| 3.1.1 系统功能模型 |
| 3.1.2 系统拓扑结构 |
| 3.2 系统交互功能设计 |
| 3.3 系统功能模块设计 |
| 3.3.1 成效管理模块设计 |
| 3.3.2 线损分析模块设计 |
| 3.3.3 台区监控模块设计 |
| 3.3.4 系统管理模块设计 |
| 3.4 系统数据库设计 |
| 3.4.1 逻辑结构分析 |
| 3.4.2 数据表设计 |
| 3.5 本章小结 |
| 第四章 系统实现 |
| 4.1 系统实现环境 |
| 4.2 系统交互功能实现 |
| 4.3 系统功能模块实现 |
| 4.3.1 成效管理模块实现 |
| 4.3.2 线损分析模块实现 |
| 4.3.3 台区监控模块实现 |
| 4.3.4 系统管理模块实现 |
| 4.4 本章小结 |
| 第五章 系统测试分析 |
| 5.1 测试方法 |
| 5.2 测试环境 |
| 5.3 测试流程 |
| 5.4 测试内容 |
| 5.5 测试结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
（8）供电公司配网生产抢修指挥平台设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 配网故障数据交互技术研究现状 |
| 1.2.2 生产指挥和抢修调度技术研究现状 |
| 1.2.3 未来技术发展趋势 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文结构 |
| 第二章 系统需求分析 |
| 2.1 系统研发背景 |
| 2.2 系统研发目标 |
| 2.3 系统交互需求 |
| 2.4 Web服务端功能需求 |
| 2.4.1 配网故障分析需求 |
| 2.4.2 配网抢修工单派发需求 |
| 2.4.3 配网抢修状态监测需求 |
| 2.5 APP端功能需求 |
| 2.6 系统性能需求 |
| 2.7 本章小结 |
| 第三章 系统技术选型分析 |
| 3.1 数据交互技术 |
| 3.2 Web开发技术 |
| 3.2.1 Web应用概述 |
| 3.2.2 Java Web技术 |
| 3.3 GIS地理信息系统技术 |
| 3.4 混合式APP开发技术 |
| 3.5 本章小结 |
| 第四章 系统设计 |
| 4.1 系统总体设计 |
| 4.1.1 功能模型设计 |
| 4.1.2 网络结构设计 |
| 4.2 系统交互功能设计 |
| 4.3 系统Web服务功能设计 |
| 4.3.1 配网故障分析功能设计 |
| 4.3.2 配网抢修工单派发功能设计 |
| 4.3.3 配网抢修状态监测功能设计 |
| 4.4 系统APP端功能设计 |
| 4.5 系统数据库设计 |
| 4.5.1 数据逻辑结构分析 |
| 4.5.2 数据表结构设计 |
| 4.6 本章小结 |
| 第五章 系统实现 |
| 5.1 系统开发环境 |
| 5.2 系统交互功能实现 |
| 5.3 系统Web服务功能实现 |
| 5.3.1 配网故障分析功能实现 |
| 5.3.2 配网抢修工单派发功能实现 |
| 5.3.3 配网抢修状态监测功能实现 |
| 5.4 系统APP端功能实现 |
| 5.5 本章小结 |
| 第六章 系统测试 |
| 6.1 测试方法与环境 |
| 6.2 测试内容与流程 |
| 6.3 测试结果 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（9）分布式与自动化大数据智能分析算法与编程计算平台（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与概况 |
| 1.1.1 研究背景与基本问题 |
| 1.1.2 难点技术与关键科学问题 |
| 1.1.3 国内外发展概况 |
| 1.2 国内外研究现状与趋势 |
| 1.2.1 大数据分析挖掘和机器学习并行化算法 |
| 1.2.2 大数据自动化机器学习技术 |
| 1.2.3 大数据智能分析编程计算方法与平台 |
| 1.3 现有研究工作和技术存在的不足 |
| 1.4 本文组织架构 |
| 1.5 本文的研究内容和主要工作 |
| 1.5.1 总体研究目标与研究内容 |
| 1.5.2 本文主要研究内容 |
| 第二章 高效的大规模分布式函数依赖发现算法 |
| 2.1 研究背景与问题 |
| 2.2 背景知识与相关工作 |
| 2.2.1 函数依赖基本定义 |
| 2.2.2 基于采样-验证的函数依赖发现 |
| 2.2.3 已有函数依赖发现算法 |
| 2.3 基于属性重排序的算法框架 |
| 2.4 数据预处理 |
| 2.4.1 属性信息统计 |
| 2.4.2 属性重排序 |
| 2.4.3 记录编码 |
| 2.5 AFDD算法 |
| 2.5.1 总体流程 |
| 2.5.2 分布式成对采样 |
| 2.5.3 属性并行的剪枝-生成 |
| 2.5.4 分布式基于索引的验证 |
| 2.5.5 自适应的采样-验证切换 |
| 2.5.6 复杂度分析 |
| 2.6 Batch AFDD算法 |
| 2.7 性能评估 |
| 2.7.1 实验环境 |
| 2.7.2 性能比较 |
| 2.7.3 扩展性评估 |
| 2.7.4 属性重排序评估 |
| 2.7.5 分布式探测评估 |
| 2.8 本章小结 |
| 第三章 高效的大规模分布式并行化谱聚类算法 |
| 3.1 研究背景与问题 |
| 3.2 背景知识与相关工作 |
| 3.2.1 谱聚类算法基本原理 |
| 3.2.2 样本间相似性度量方法 |
| 3.2.3 谱聚类算法主要流程 |
| 3.3 相似度矩阵构建及稀疏化并行化 |
| 3.3.1 相似度并行计算 |
| 3.3.2 相似度矩阵稀疏化 |
| 3.4 Laplacian矩阵构建及正规化并行化 |
| 3.4.1 Laplacian矩阵构建 |
| 3.4.2 Laplacian矩阵正规化 |
| 3.5 特征向量计算并行化 |
| 3.5.1 精确特征向量并行化求解 |
| 3.5.2 近似特征向量并行化求解 |
| 3.6 k-means聚类并行化 |
| 3.6.1 k-means聚类算法描述 |
| 3.6.2 k-means聚类并行化 |
| 3.6.3 距离计算优化 |
| 3.7 性能评估 |
| 3.7.1 实验环境及数据 |
| 3.7.2 聚类效果评估 |
| 3.7.3 算法性能评估 |
| 3.7.4 数据可扩展性评估 |
| 3.7.5 节点可扩展性评估 |
| 3.8 本章小结 |
| 第四章 高效的分布式深度森林训练方法与算法 |
| 4.1 研究背景与问题 |
| 4.2 背景知识与相关工作 |
| 4.2.1 深度森林 |
| 4.2.2 Ray |
| 4.2.3 多层表征学习 |
| 4.2.4 机器学习框架与声明式编程模型 |
| 4.3 基于子森林划分的任务并行训练算法 |
| 4.3.1 设计动机 |
| 4.3.2 划分和合并 |
| 4.3.3 复杂度分析 |
| 4.4 系统设计与优化 |
| 4.4.1 系统概述 |
| 4.4.2 高层编程API |
| 4.4.3 系统层优化 |
| 4.5 性能评估 |
| 4.5.1 实验环境及数据 |
| 4.5.2 模型配置 |
| 4.5.3 性能对比 |
| 4.5.4 扩展性评估 |
| 4.5.5 负载均衡评估 |
| 4.5.6 系统层优化评估 |
| 4.5.7 划分粒度分析 |
| 4.6 本章小结 |
| 第五章 大数据AutoML自动化机器学习方法与算法 |
| 5.1 研究背景与内容概述 |
| 5.2 相关工作 |
| 5.3 基于强化学习和贝叶斯优化的机器学习流水线自动化设计 |
| 5.3.1 研究背景与问题 |
| 5.3.2 基于强化学习的结构搜索 |
| 5.3.3 基于贝叶斯优化的算法超参优化 |
| 5.3.4 分布式并行的流水线设计 |
| 5.3.5 性能评估 |
| 5.3.6 小结 |
| 5.4 资源受限场景下基于自适应连续过滤的自动化机器学习 |
| 5.4.1 研究背景与问题 |
| 5.4.2 自适应连续过滤算法BOASF |
| 5.4.3 基于BOASF的模型选择 |
| 5.4.4 基于BOASF的超参数优化 |
| 5.4.5 性能评估 |
| 5.4.6 小结 |
| 5.5 终生学习场景下基于加权集成的自动化机器学习 |
| 5.5.1 研究背景与问题 |
| 5.5.2 自动化终生学习问题定义 |
| 5.5.3 基于加权集成学习的算法框架 |
| 5.5.4 针对概念漂移的自适应权重设计 |
| 5.5.5 性能评估 |
| 5.5.6 小结 |
| 5.6 本章小结 |
| 第六章 大数据AutoDL自动化深度学习方法与算法 |
| 6.1 研究背景与内容概述 |
| 6.2 相关工作 |
| 6.3 基于渐进式多保真度评估的超参数优化 |
| 6.3.1 研究背景与问题 |
| 6.3.2 低保真度评估偏差 |
| 6.3.3 渐进式多保真度评估 |
| 6.3.4 贝叶斯模型构建及其热启动 |
| 6.3.5 性能评估 |
| 6.3.6 小结 |
| 6.4 最小化离散性能偏差的可微分网络架构搜索 |
| 6.4.1 研究背景与问题 |
| 6.4.2 可微分的网络架构搜索 |
| 6.4.3 最小化离散性能偏差 |
| 6.4.4 随机固定规约单元的架构搜索 |
| 6.4.5 性能评估 |
| 6.4.6 小结 |
| 6.5 本章小结 |
| 第七章 统一大数据智能分析编程计算方法与平台 |
| 7.1 研究背景与问题 |
| 7.2 相关工作 |
| 7.3 跨平台统一大数据智能分析编程计算模型与方法 |
| 7.3.1 跨平台统一大数据智能分析编程计算模型 |
| 7.3.2 基于计算流图的大数据智能分析编程方法 |
| 7.4 统一大数据智能分析平台集成与调度优化 |
| 7.4.1 统一大数据智能分析平台集成框架 |
| 7.4.2 跨平台统一调度优化 |
| 7.5 统一大数据智能分析算法集成与自动化机器学习建模 |
| 7.5.1 统一大数据智能分析算法集成框架 |
| 7.5.2 自动化机器学习建模工具平台 |
| 7.6 统一大数据智能分析与可视化编程原型系统设计与实现 |
| 7.6.1 系统总体架构 |
| 7.6.2 系统主要功能与模块设计实现 |
| 7.6.3 系统基本操作使用与大数据智能分析示例 |
| 7.6.4 系统技术特征总结 |
| 7.7 关键技术应用验证 |
| 7.7.1 分布式数据挖掘与机器学习算法应用验证 |
| 7.7.2 AutoML自动化机器学习算法应用验证 |
| 7.8 本章小结 |
| 第八章 总结与展望 |
| 8.1 工作总结 |
| 8.2 进一步的工作与研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间已发表论文列表 |
| 攻读博士期间参研项目列表 |
| 攻读博士期间获奖情况列表 |
| 攻读博士期间学术服务列表 |
| 应用成果证明 |
（10）电子政务内网涉密信息系统安全防护架构设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本章小结 |
| 2 相关安全信息技术理论与分析 |
| 2.1 操作系统安全 |
| 2.1.1 操作系统类别 |
| 2.1.2 加固措施及手段 |
| 2.2 数据库安全 |
| 2.2.1 存取管理技术 |
| 2.2.2 安全管理 |
| 2.2.3 数据库加密 |
| 2.3 应用系统安全管理 |
| 2.3.1 身份鉴别与控制 |
| 2.3.2 权限划分 |
| 2.4 安全保密技术使用管理 |
| 2.4.1 防病毒技术 |
| 2.4.2 访问控制技术 |
| 2.4.3 防火墙安全技术 |
| 2.4.4 入侵检测技术 |
| 2.4.5 身份认证系统 |
| 2.5 本章小结 |
| 3 防护架构安全需求分析与设计 |
| 3.1 政务内网防护架构设计原则及依据 |
| 3.1.1 设计原则 |
| 3.1.2 设计依据 |
| 3.2 政务内网防护架构安全需求分析 |
| 3.2.1 信息系统分析 |
| 3.2.2 安全保密风险分析 |
| 3.3 防护方案及安全域设计 |
| 3.3.1 设计重点 |
| 3.3.2 分域定级 |
| 3.3.3 防护体系设计 |
| 3.3.4 安全保密框架设计 |
| 3.3.5 保护要求调整与确定 |
| 3.4 残留风险控制 |
| 3.5 本章小结 |
| 4 核心模块设计与实现 |
| 4.1 用户身份认证设计 |
| 4.1.1 识别方法和途径 |
| 4.1.2 身份认证模块流程设计 |
| 4.1.3 身份认证模块时序逻辑 |
| 4.1.4 身份认证程序逻辑框架 |
| 4.2 安全角色权限设计与实现 |
| 4.2.1 设计目的 |
| 4.2.2 “三员分立”设计理念 |
| 4.2.3 新增账号和授权管理模块设计 |
| 4.2.4 新增用户模块时序逻辑 |
| 4.2.5 新增用户程序设计逻辑框架 |
| 4.2.6 表示层设计 |
| 4.2.7 业务逻辑层设计 |
| 4.2.8 持久层设计 |
| 4.3 防火墙系统设计与实现 |
| 4.3.1 防火墙系统设计目的 |
| 4.3.2 部署设计与优势 |
| 4.3.3 与传统防护模型的比较 |
| 4.4 入侵检测系统设计与实现 |
| 4.4.1 入侵检测系统设计目的 |
| 4.4.2 入侵检测系统组成 |
| 4.4.3 入侵检测系统工作流程 |
| 4.4.4 引入基于对象的虚拟系统 |
| 4.4.5 入侵检测部署方式 |
| 4.5 磁盘及存储系统建设 |
| 4.5.1 存储系统建设 |
| 4.5.2 磁盘阵列设计 |
| 4.6 链路备份 |
| 4.6.1 参数说明 |
| 4.6.2 主备模式 |
| 4.6.3 互备模式 |
| 4.7 容灾系统设计与实现 |
| 4.7.1 容灾备份系统设计要求 |
| 4.7.2 电子政务内网容灾系统设计 |
| 4.8 本章小结 |
| 5 攻防模拟测试演练 |
| 5.1 环境描述 |
| 5.2 默认口令攻击 |
| 5.2.1 攻击阶段 |
| 5.2.2 监测阶段 |
| 5.3 恶意代码攻击 |
| 5.3.1 攻击阶段 |
| 5.3.2 监测阶段 |
| 5.4 处理阶段 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
四、NAS操作系统的优化（论文参考文献）
- [1]基于群晖NAS的虚拟化技术及应用分析[J]. 郝成勐,陈新,王会华,吕伟杰,李召超. 山东冶金, 2021(05)
- [2]基于网络附属存储的图书馆展览素材库研究[J]. 吴荔. 文化产业, 2021(26)
- [3]基于NAS的自动机器学习系统的设计与实现[D]. 孙旭阳. 北京邮电大学, 2021(01)
- [4]主动式无线网络接入管理考勤系统的设计与实现[D]. 史栋. 西安石油大学, 2021(09)
- [5]垃圾短信云过滤平台的研究与实现[D]. 董婷梅. 广西大学, 2021(12)
- [6]基于内窥镜图像的多分类算法的研究与实现[D]. 历艳竺. 吉林大学, 2021(01)
- [7]台区线损分析与监控系统的设计与实现[D]. 王波. 电子科技大学, 2021(01)
- [8]供电公司配网生产抢修指挥平台设计与实现[D]. 黄胜祝. 电子科技大学, 2021(01)
- [9]分布式与自动化大数据智能分析算法与编程计算平台[D]. 朱光辉. 南京大学, 2020(12)
- [10]电子政务内网涉密信息系统安全防护架构设计[D]. 曹永宁. 内蒙古科技大学, 2020(06)