网络入侵检测系统是保障网络安全的核心技术之一。针对传统入侵检测方法在复杂网络攻击场景下特征提取不足和检测率低的问题，提出了一种基于CNN-BiLSTM的网络入侵检测模型。该模型通过卷积神经网络提取网络流量数据的局部空间特征，并结合双向长短期记忆网络捕捉流量序列中的长短期依赖关系，提取网络流量数据的时间特征，能够有效应对复杂网络攻击行为。同时，使用EQL v2方法计算每个类别的权重，并将其使用在损失计算过程中，从而优化了模型在数据集类不平衡问题上的表现。NSL-KDD和UNSW-NB15数据集的测试结果表明，CNN-BiLSTM模型在这两个数据集上多分类的平均准确率分别达到99.65%和86.70%,此外，模型对样本量较少的攻击类型也表现出良好的检测能力。

针对软件供应链安全风险检测需求，基于DeepSeek大语言模型设计开发了智能化检测工具。通过将预训练大模型嵌入检测流程，并创新性结合动态软件物料清单(SBOM)生成技术与异步检测框架，在提升检测覆盖率的同时实现实时性优化与误报率控制。实验选取典型开源项目及商业软件进行测试，结果表明该工具能有效识别供应链中的安全漏洞，并生成包含风险定位与修复建议的详细报告。工具充分发挥DeepSeek模型在语义理解与模式识别方面的优势，提供交互式漏洞分析界面，支持开发人员快速完成风险溯源与修复验证，为软件供应链安全提供了新的AI驱动解决方案，具有实际工程应用价值。

智能合约漏洞会产生严重的安全风险，传统的漏洞检测方法难以化解不断变化的进攻风险，近年来大语言模型(LLM)技术的迅速发展，为智能合约的漏洞检测带来了新的机遇。系统整理了基于大语言模型的漏洞检测技术及其演进脉络，创建了多维度对比体系以展示大语言模型在漏洞识别中的优势与适用场景，并指出了大语言模型检测技术的关键问题和未来研究方向，为智能合约安全的研究和发展提供了参考。

针对海上风力发电机组齿轮箱在复杂海洋环境中损坏导致的风电场运维成本过高问题，提出了基于1DCNN-BiLSTM-ATT的油温预警方法。该方法以深度学习理论为基础，构建融合一维卷积神经网络(1DCNN)、双向长短时记忆网络(BiLSTM)和注意力(Attention)机制的混合模型，通过混合模型完成时空特征提取，采用重构误差构建预警阈值，最终实现齿轮箱油温预警。广东省阳江市某海上风电场监视控制与数据采集(SCADA)系统的实验结果表明：该模型的预测误差显著低于1DCNN-BiLSTM、BiLSTM和1DCNN模型，预警响应时间提前6～22 h,有效提升了故障预警的时效性，为海上风电运维提供了可靠的技术方案。

基于YOLOv11n模型提出一种改进的火焰检测算法。针对YOLOv11n模型在火灾检测中存在的误检、漏检等问题，引入outlook attention模块，增强局部细粒度特征与上下文信息的编码能力，利用可变形交互注意(DIA)模块优化空间特征表征以减少冗余信息，并采用聚焦调制网络(FMN)模块替代传统SPPF模块，提升复杂场景下的细节捕捉能力。实验基于RoBoflow公开数据集，改进后的模型在消融实验中mAP@0.5、mAP@0.5:0.95、精确率和F1分数分别提升3.91、1.85、7.88和2.72个百分点，综合性能优于YOLOv5n、YOLOv8n、YOLOv11n等主流模型。可视化结果表明，改进算法有效解决了环境颜色干扰下的误检与漏检问题，增强了火焰识别的鲁棒性。

测定和比较了螺虫乙酯等5种杀虫剂对烟粉虱2龄若虫的毒力并筛选了增效复配组合。结果表明：1)在处理后24 h,多杀菌素和螺虫乙酯对烟粉虱的毒力在5种杀虫剂中分别为第1和第2,在处理后72 h,乙螨唑的毒力最高。5种杀虫剂中多杀菌素和螺虫乙酯药效发挥较快，乙螨唑药效发挥较慢。2)在不同组合增效复配剂的筛选试验中，筛选出螺虫乙酯与乙螨唑（质量比1.60∶1）、多杀菌素与乙螨唑（4.80∶1）两个混配药剂，测定了两个混配剂对烟粉虱2龄若虫的毒力，并计算出共毒系数分别为235.80和145.13。3)螺虫乙酯与乙螨唑（1.60∶1）、多杀菌素与乙螨唑（4.80∶1）混配药剂在30 mg·L-1浓度下的田间防治效果分别为49.00%和52.33%,说明2种混剂在不降低药效的前提下可减少田间用药量。

选取南京市中心城区24个典型口袋公园花境作为调查研究对象，针对其植物配置特点，从植物组成、应用频率、乡土性、季相色彩变化等方面进行分析。结果显示，调研区域内共记录花境植物255种，隶属92科176属，其中灌木占比最高(37.65%),乔木的乡土植物应用比例最高，体现了较好的地域特色；草本植物主要依赖外来引进，本土植物资源开发不足；蔷薇科、菊科、禾本科为南京市口袋公园花境植物应用种类最多的三个科；鸡爪槭、锦绣杜鹃、无尽夏、金叶女贞、细叶芒、天蓝鼠尾草等为应用频率最高的植物；花境植物以红色系、紫红色系为主要观赏色，各口袋公园花境的色彩设计形式均为混色花境，特色不明显。探讨了目前南京市中心城区口袋公园花境特点和存在的问题，从优化植物种质资源、增强文化特色、注重色彩设计、丰富花境类型等方面提出相关建议。

通过数值模拟研究了方柱阵列Cassie态超疏水表面通道的压力驱动流，对比了单相流(“黏-滑”复合壁面条件)和气液两相流模拟的结果。计算结果表明：Cassie态超疏水壁面对流场结构具有较大影响，固壁面积占比越大，流速越低，截面流量越小；空气面积占比越大，滑移减阻效应越明显；两种数值模拟方法所获有效滑移长度变化规律趋于一致，但由于微柱间气体具有黏性作用，气液两相数值模拟的速度低于不考虑气体黏性的单相流模型，导致前者有效滑移长度总是小于单相流模型；流体介质为水时，滑移长度最小相对偏差约32%,表明用无黏性气体的理想模型代替考虑气体黏性影响的模型存在较大局限性。

针对传统方法难以分割赛艇运动训练和比赛长视频的动作单元，提出融合时序分割与深度学习的视觉分析方法，构建了首个多场景赛艇动作数据集RowingAct-V1,涵盖陆上测功仪与水上艇体场景，标注大规模“拉桨-回桨”动作周期。该方法设计两阶段框架，第一阶段基于动态时间规整的算法定位动作边界，第二阶段改进PoseC3D网络，通过骨骼热图建模时空特征。在RowingAct-V1上的动作分割F1-score达94.6%(提升31.5%),陆地动作识别准确率达93.5%,验证了方法的可用性。同时，通过该方法建立纯视觉评估方案，提出“分割-识别”联合训练框架并定量揭示不同训练模式的生物力学差异，为竞技体育的动作分析提供可扩展的技术框架，具有实际应用价值。

对基于计算机视觉的道路障碍物检测技术进行了综述，分析了相关技术的特性、面临的挑战以及未来的发展趋势。首先归纳了基于计算机视觉的道路障碍物检测技术的发展现状；然后依据技术原理的差异，将检测技术划分为基于运动信息、基于深度学习和基于双目立体视觉3种主要方法，阐述了各类技术的独特路径；最后基于评价指标对上述检测方法的特点和缺陷加以分析，进一步探讨了当前基于计算机视觉的道路障碍物检测技术面临的关键问题和难点，指出了未来的发展方向。

针对汽车实验台中锂电池包在充放电过程中存在的温度与压力失控风险，为实现安全监测的教学示范与低成本技术验证，设计了基于51单片机的锂电池包多参数监测控制系统。完成硬件电路设计与软件开发，利用Proteus软件绘制仿真电路图并联合Keil软件实现系统仿真。结果表明：该系统可实时监测锂电池电流、电压、温度、压力并估算电量，当温度超过40℃、压力超过113 kPa或电量低于20%时，能分别启动水泵降温、电磁阀泄压或蜂鸣器报警。研究结果为实验设备的安全防护提供了可复用的低成本解决方案，同时为汽车锂电池包的热-力耦合管理提供了参考。

针对低算力场景下实时人体姿态估计存在计算冗余和内存占用高的问题，提出一种基于结构重参数化网络的轻量级人体姿态估计算法SRepPose。该算法使用了RepVGG的结构重参数化方法，在OpenPose中引入了训练时多分支特征融合、推理时通过结构重参数化合并为单一3×3卷积路径的动态结构，从而在保证关键点检测精度的同时减少了内存使用。初始阶段采用参数共享机制，使热力图与PAF两个分支共享主干特征提取参数；细化阶段将7×7卷积堆叠结构替换为轻量级级联卷积模块，从而进一步减少了计算量。实验结果表明，SRepPose算法在COCO数据集上的平均精度达到了49.2%,与原始OpenPose相比，单帧推理时间缩短了95.3%,这一结果为移动端及低算力设备上的实时行为分析提供了高精度和低延迟的解决方案。

针对复杂环境下火灾监测的实时性与准确性需求，设计了一款集自主导航与火焰高效检测于一体的消防巡检机器人系统。该系统以工控机为核心，融合激光雷达、RGB-D相机和IMU数据，基于Cartographer算法构建高精度栅格地图。在路径规划方面，提出一种改进A*算法，融合了动态启发式权重调整、障碍物密度检测及贝塞尔曲线平滑处理。实验表明该算法使路径贴近障碍物的比例降至0%,规划耗时减少37.8%。火焰检测模块基于轻量化改进的YOLOv11n模型，引入CGBlock、BIFPN及SEAM模块协同优化，在参数量减少39.6%、计算量(FLOPs)降低23.8%的同时，mAP@0.5精度达到93.6%。系统为复杂建筑环境下的火灾实时监测与预警提供了高可靠性解决方案。

针对传统单一检测方法在覆盖率、准确率以及新型漏洞识别能力上的局限性，提出了一种多模式融合的源代码安全漏洞检测系统“深源”。该系统通过静态分析、动态分析和人工智能大模型分析的协同机制，构建了系统化的漏洞检测方案。方案利用多层次代码分析与人工智能大模型分析机制，提升了漏洞检测能力。实验结果表明，“检测—验证—优化”三位一体漏洞检测系统的检测率显著高于传统方法，形成了覆盖软件源代码全周期的检测闭环。这为软件安全领域提供了一种高效、可扩展的漏洞检测方式，并为基于人工智能大模型的代码分析技术提供了新的融合途径。

光储充一体化建筑表皮是新能源技术与建筑设计融合的创新方向。以南京江宁输电中心微电网充电站为研究对象，聚焦其光储充一体化建筑表皮的参数化设计，探讨充电站空间布局、能源效率与美学表达的协同优化路径。借助参数化技术与模块化设计，提出以功能为导向的模数体系，以动态表皮智能优化为核心的设计策略。研究表明，参数化设计有助于光储充系统与建筑表皮的深度整合，提升能源自洽能力与空间体验，为新型微电网充电站的标准化推广提供实践参考。

当前开放目标检测方法多依赖于以英文为主的图文对齐模型，难以直接支持中文语义的开放类别检测任务，为此，提出了一种融合多模态大语言模型的中文开放目标检测方法。该方法首先根据中文输入生成丰富的英文备选提示词，用于跨语义图像检索和构建目标相关图像集。接着，基于备选图像特征与待测图像的相似度匹配情况，选取最优提示词并输入到开放目标检测模型中以进行推理。实验在多个中文类别上对所提方法进行了验证，结果表明，该方法显著提高了中文环境下的开放目标检测性能。

以透射型频率选择表面和宽带超材料吸波器为基础设计了一款基于三维结构的宽带频率选择吸波体。该吸波体在X波段具有一个透射插损小于1 dB的透射窗口，隐身性能较好。仿真实验结果表明：该吸波体在9.7～11.5 GHz频率范围内的透射插损均小于1 dB,在2.5～18.1 GHz频率范围内的反射系数均小于-8 dB。所设计的三维结构宽带频率选择吸波体具有高透射和低反射的性能优势，在现代化军事电磁隐身领域中具有广阔的应用前景。

基于软件依赖网络的PageRank算法在投票过程中仅关注自身的投票权重，忽略了邻居节点的影响。为此，提出了一种参考邻居节点的PageRankStar算法。首先，采用SNCM工具构建软件依赖网络；随后，利用PageRankStar算法计算软件网络中每个节点(即类)的重要性程度；最后，结合软件依赖网络约简规则，将类的重要性进行降序排列，选取top-k作为关键类候选集。在5个不同规模的开源项目上开展实证分析，结果表明：在多数情况下，PageRankStar算法的关键类识别性能优于基线算法；在可扩展性方面，其计算效率与基线算法表现相当，并且在处理大规模数据集时仍能保持高效和稳定。

为确定飞机多部位损伤(MSD)结构的广布疲劳损伤(WFD)平均行为，快速准确地预测结构的疲劳可靠性寿命，基于Qt平台开发了MSD结构疲劳寿命可靠性评定系统。首先建立了MSD结构随机裂纹萌生模型和基于随机变量的裂纹扩展模型，进行了疲劳损伤容限可靠性分析方法研究；然后在应用Abaqus二次开发应力强度因子有限元分析基础上，开发了MSD结构疲劳可靠性寿命预测程序，包括载荷谱处理、疲劳萌生可靠性寿命分析、裂纹扩展可靠性寿命分析、后处理等模块；最后通过LY12-CZ铝合金单排七孔板算例对程序进行测试。结果表明：程序计算结果与试验数据吻合良好，可以比较准确地预测MSD结构的WFD平均行为时刻。

作为钢桁架桥的重要承重构件，钢桁架结构的安全性能至关重要。以江苏省某简支钢桁架桥下的一起车辆火灾事故为工程背景，采用Pyrosim及Abaqus软件分别建立100 m简支钢桁架桥车辆火灾模型，分析了火势的发展规律、空间温度场的时程变化特征，以及火灾中最不利杆件高温下的结构响应。结果表明：火源热释放速率表现为“增长-稳定”双阶段特点，重点区温度场垂直梯度显著；根据应力强度比和挠跨比建立四级安全预警体系，为火灾决策给出量化参考。

通过生物信息学对萝卜β-淀粉酶(RsBAM)家族成员进行鉴定，并利用转录组和实时荧光定量PCR分析其表达模式。结果表明，‘Xin-li-mei’萝卜基因组中有15个BAM基因，不均匀分布于8条染色体，外显子数为2～11个；系统进化分析将15个基因分为4个亚家族，所有编码蛋白均含典型糖基水解酶结构域。基因组内共线性分析发现5个基因对。启动子分析揭示这些基因含有大量与发育、激素、光信号及胁迫响应相关的顺式作用元件，其中RsBAM9.2最多，达37个。基因表达分析表明，RsBAM1.2/2/3.1/3.2/9.2可能参与萝卜肉质根发育；镉胁迫显著诱导RsBAM9.2表达上调10倍；7个RsBAM家族成员在NaCl和PEG-6000处理12 h后表达上调，表明RsBAM家族成员在生长发育和抵御非生物胁迫中起到关键作用。研究为深入解析RsBAM功能奠定了基础。

在化肥减量增效与有机肥替代的背景下，分析了不同堆肥替代比例与播种密度耦合处理对水稻产量品质及土壤微生物的影响。试验结果表明：与常规施肥相比，30%的堆肥替代比例耦合不同密度能提高水稻产量，并提高产量构成，其中，播种密度为37.5 kg·hm-2的耦合处理增产效果最为显著。分析微生物共现网络发现，疣微菌属（Candidatus-Udaeobacter）、丝状菌属（Kouleothrix）和芽孢杆菌属（Bacillus）是与皖旱两优25产量密切关联的关键节点菌群。此研究不仅对于指导农业生产实践具有重要意义，同时也为理解土壤微生物群落在作物生产中的作用提供了新的视角。

为了提高道路裂缝检测的精准度和检测效率，提出了一种无人机视角下基于改进YOLOv8s的道路裂缝类型检测算法DRCD-YOLO。首先，在主干网络中用带坐标注意力的轻量化模块CAC2f全面替换原C2f,更好地捕捉局部关系与全局关系；其次，引入双分支融合模块DPDown,替换部分Conv模块，在降低分辨率的同时，能够抑制混叠并保留边缘纹理细节；最后，在最高语义层引入高效池化聚合模块MELAN,将不同感受野的特征拼接融合，以增强对宽幅裂缝的检测能力。改进后的DRCD-YOLO模型在无人机路面病害检测数据集UAV-PDD2023上进行实验验证。相较于基于原生YOLOv8s的道路裂缝检测算法，DRCD-YOLO的平均精度提高了4.5%,mAP0.5达到了0.907,参数量减少了22%,在保证参数轻量化的同时，提升了无人机视角下道路裂缝检测的准确性。

针对残差收缩网络(RSN)在复杂场景下全局姿态依赖建模不足和异构特征融合能力有限的问题，提出了一种基于CNN-Transformer双分支特征学习的2D人体姿态估计架构——RS-Trans。该架构通过RSN分支的多阶段残差收缩机制提取局部精细空间特征，实现高精度关节点定位，同时利用TokenPose分支的关键点Token与自注意力机制建模全局姿态关系，有效克服CNN的局部感受野限制，提升遮挡及多人重叠场景下的定位精度。此外，设计了注意力引导的自适应融合模块，用于在异构特征之间动态分配权重，从而实现互补融合，避免固定权重融合带来的精度下降；并通过优化多阶段损失策略与难样本挖掘机制，进一步增强模型在复杂场景下的适应性。在COCO数据集上的实验结果表明，RS-Trans的平均精度均值(mAP)达到72.5%,较原版RSN18提升2.1个百分点，充分验证了该架构在局部精细特征与全局关系协同建模方面的有效性，为高精度鲁棒性姿态估计提供了新的解决方案。

为提高网络加密恶意流量检测分类的效果，提出基于图卷积神经网络的加密恶意流量分类检测模型GAT-CNN。首先将网络流量数据转换表示为图结构，充分考虑流量之间的时间和空间特性，接着通过图卷积层提取动态聚合节点之间的特征，最终利用多头注意力机制进行权重分配，模型能够准确且低误报地检测出恶意网络流量。为验证算法有效性，在ISCXVPN加密流量数据集上进行验证。实验结果表明，模型最终检测准确率达到98.79%,实现了99.24%的低漏报召回率。

基于脑电图的运动想象(EEG-MI)分类是一项重要的脑机接口技术，它通过分析个体在运动想象过程中产生的特定任务脑电图模式，再结合特征提取与分类算法来解码运动意图。传统的EEG-MI分类模型主要依赖卷积神经网络提取局部时域特征，但在捕捉长程依赖关系和全局上下文信息方面存在显著局限性。为解决此问题，提出了一种双流异构时序特征融合神经网络。该网络包含一个多尺度时序卷积网络分支，用于捕获细粒度的短期局部动态特征，同时，Transformer分支利用多头自注意力机制来建模全局依赖关系。此外，还引入了一种动态门控机制，以自适应地融合这两种异构特征。在基准数据集BCI-Competition-IV-2a上的实验结果表明，所提出的模型在四分类运动想象(MI)任务中实现了79.52%的平均分类准确率，优于当前主流方法。

针对交通流量预测模型在长期预测任务中的周期性响应滞后、空间视角单一等问题，提出一种结合时序分解与多视图融合的MVTDformer模型。时间维度上，引入时序分解将流量数据分为趋势项与季节项，分别采用多层感知机和傅里叶时间注意力进行差异化建模；空间维度上，构建地理、语义、因果三类异构图以刻画节点间多视角空间关系，并设计图引导的时空注意力机制，实现多图信息的动态融合。在两个公共数据集上进行实验验证，结果表明：在PEMS04数据集上，与次优模型相比MVTDformer的MAPE分别降低了3.7%、1.5%和2.2%;在PEMS08数据集上，与次优模型相比MAPE分别降低了1.4%、3.1%和1.6%。MVTDformer的表现优于基线模型，展示了其在长期交通流量预测方面的有效性和准确性。

为缓解地铁平峰时段延误导致的乘客滞留问题，提出基于跳站运行的优化策略。构建以最小化乘客旅行时间和列车时刻表偏差为双目标的地铁运行优化模型，并设计基于NSGA-Ⅱ的迭代算法求解该模型，以南京地铁2号线为例验证模型有效性。结果表明：该方法能快速生成高效跳站方案，输出稳定的列车时刻表，且在不同初始延误场景下具有良好普适性，为实际调度优化提供可靠支撑。

基于MobileNetV3构建MobileNetV3-CBAM-HMR框架，以实现辅助驾驶时对交警手势的精确识别。该框架利用MediaPipe姿态估计模型提取人体关节关键点；采用MobileNetV3作为特征提取网络，兼顾计算开销与特征表达能力，从而提升识别精度与实时性；引入卷积块注意力模块(CBAM),增强模型对相似手势的区分能力；引入热图回归(HMR),通过热图特征融合及坐标回归细化层提高定位精度；采用双向长短期记忆网络(Bi-LSTM)对时序数据进行建模，以捕获手势的动态演化特征。与现有CNN方法相比，该框架表现出更优的识别性能，改进模型在公共数据集上的识别准确率达到94.47%。

为促进单侧屈服装配式混凝土(SYPC)框架抗震设计的研究，需确定结构的关键抗震设计参数，并揭示这些参数对结构抗震性能的影响规律。首先通过理论分析确定可更换耗能连接(REDC)的关键设计参数对SYPC框架抗震性能的影响；然后基于SYPC梁柱节点受力机理，建立整体框架结构体系的非线性有限元模型，并选择合适的地震动作为结构动力输入；在此基础上，采用动力时程分析方法，探究REDC长度对SYPC框架抗震性能的影响，最终提出相关设计建议，为SYPC结构抗震设计理论的建立提供技术支撑。

混凝土碳化会造成内部钢筋锈蚀，是混凝土结构中常见的耐久性问题。基于徐州地区7根钢筋混凝土铁路梁的现场碳化实测数据，对碳化深度计算模型参数取值进行分析，并对混凝土铁路桥梁碳化耐久性寿命进行评估。结果表明：服役超过35年的钢筋混凝土梁混凝土强度和保护层厚度均满足原设计要求，腹板和下翼缘板底的混凝土碳化深度已接近保护层厚度。对于徐州地区铁路桥梁，碳化深度预测公式中的冻融损伤影响系数可统一取为1.7。根据钢筋锈蚀率7%为结构耐久性失效的准则，测试钢筋混凝土桥梁的耐久性寿命为34年，建议对其开展维修与防护工作。

采用三维计算流体力学(CFD)方法，对桑迪亚17 m垂直轴风力机(VAWT)的全尺寸模型进行数值模拟。将数值结果与实验数据对比，考察网格参数对风机叶片气动载荷仿真精度的影响。结果表明，在较低的叶尖速比(TSR=2.2)下，叶片表面会发生严重的动态失速，使得数值结果对网格变化更加敏感。叶片前缘附近的网格加密对数值结果的影响最大，不同的前缘网格会导致峰值扭矩最大相差达36%。边界层网格的影响次之。旋转区域的网格尺寸主要影响叶片处于下游位置时的切向力。相较之下，法向力对网格变化的敏感性要小得多，各种网格配置下法向力峰值几乎一致。