摘要：
针对目标跟踪中存在的跟踪错误恢复问题，参照ASMM记忆模型，提出了基于记忆模型的模板更新策略及相应的核化相关滤波目标跟踪算法。实验结果表明，对于遮挡或其他外观变化引起的跟踪失败，基于记忆模型的核化相关滤波目标跟踪算法有恢复跟踪的作用。

摘要：
介绍了文本词向量及预训练语言模型的发展体系，系统整理并分析了其中重点方法的思想特点。首先，阐述了传统的文本词向量表征方法及基于语言模型的文本表征方法；然后，详述了预训练语言模型方法的研究进展，包括动态词向量的表征方法和基于Transformer架构的预训练模型；最后，指出了未来探究多模态间更有效的融合方式和迁移学习将成为该领域的发展趋势。

摘要：
针对新闻文本分类方法中词向量的表示无法很好地保留字在句子中的信息及其多义性，利用知识增强的语义表示（ERNIE）预训练模型，根据上下文计算出字的向量表示，在保留该字上下文信息的同时也能根据字的多义性进行调整，增强了字的语义表示。在ERNIE模型后增加了双向门限循环单元（BiGRU），将训练后的词向量作为BiGRU的输入进行训练，得到文本分类结果。实验表明，该模型在新浪新闻的公开数据集THUCNews上的精确率为94.32%，召回率为94.12%，F1值为0.942 2，在中文文本分类任务中具有良好的性能。

摘要：
电表数据经数据采集器采集、数据聚合器收集后传输给数据存储中心，而当前的用电数据采集方法存在数据泄露、中间人攻击，且攻击者不易被发现等风险。针对这一系列问题，提出了RAHRM的方法，采用RSA-AES-HASH签名认证，并采用RSA对智能电表传输的数据进行加密，同时对服务器端进行流量监控和异常报警，为电表数据传输提供一个安全、可靠的通道。实验结果表明，此电表数据采集方法可以降低智能电表通信中的中间人攻击与攻击者不易被发现的风险，保证通信线路的安全。

摘要：
风电功率的准确预测是减少风电并网对电网造成冲击的有效手段之一。利用深度学习算法中的长短期记忆网络（LSTM）对中期风电功率出力进行了预测，综合考虑功率数据、气象数据等多维特征，采用LSTM算法和随机森林（RF）算法搭建预测模型，预测风电场1~7日的风电功率出力。基于某风电场2014年1月到2016年12月的实际发电数据，通过实验对比BP神经网络、支持向量机（SVM）和自回归积分滑动平均模型（ARIMA）等算法可知，提出的预测方法在较为突变的天气状况下仍能保持较高的预测精度，能为风电并网和电网调度提供辅助支撑。

摘要：
通过与传统神经网络对比，分析了利用卷积神经网络（CNN）进行车牌号图像识别中的特征提取过程，提出了优化卷积和池化的过程来提高算法的收敛速度和准确率。运用PyCharm环境建立了改进后的车牌号识别模型，并通过实验验证了其正确性与识别速度。通过BP神经网络、传统LeNet-5 CNN和改进后的CNN对相同的字符集进行对比分析实验，得出了改进后的CNN模型的优势。

摘要：
用户的异常用电行为会导致电力负荷异常增长，给电力公司造成巨大损失，同时也易造成输电线路故障，从而危害公共安全，然而传统人工检查异常用电行为的检测效率低下且精度较低。针对上述问题，首先分析了异常用电用户存在的行为特征，然后选择用于训练模型的最佳特征指标，最后提出了基于改进的非线性权重调整粒子群优化算法优化BP神经网络（NWPSO-BP）的异常用电行为检测算法。结果表明，与现有的异常用电行为检测方法相比，所提算法具有更高的精度，且误差收敛速度更快。

摘要：
岩石的内部结构复杂，虽然利用扫描电镜可获得精确的高分辨率页岩孔隙结构，但是实验成本高，耗时长，不便于大规模运用。针对这一问题，提出了基于无监督卷积神经网络的页岩重构方法，结合页岩图像软数据，进行了页岩重构。实验证明该方法只需要少量的真实页岩数据即可获得较好的重构结果；与经典的数值重构方法Snesim和Filtersim方法相比，该方法耗时更少，具有一定优势。

摘要：
我国信息安全管理体系认证筹谋之路艰辛而坚实。截至2019年6月，信息安全管理体系在全国所有管理体系有效认证证书中，证书数和获证组织数分别占比0.96%和1.74%。从2010年至2019年，中国认证认可协会举办8次良好认证审核案例评议交流活动和2次良好审核案例现场评议交流系列活动暨认证技术交流研讨会，共选出良好案例365个，其中信息安全管理体系16个，在全部案例中占比为4.38%。简要分析了信息安全管理体系历年良好审核案例中的不符合项对应标准条款，以供审核员参考。

摘要：
提出了一种基于监督下降法（SDM）及加权均值滤波的人脸美化系统。该系统首先采用SDM实现人脸关键点定位，接着采用交互式图像变形实现人脸局部变形，最后采用表面模糊算法实现肤质调整。实验结果表明，与其他人脸美化系统相比，该系统可通过调整修图的力度达到瘦脸、美目、去斑等人脸美化效果，同时美化后的图片保留原图的清晰度和细节特征信息。

摘要：
负荷预测是智能电网安全领域的热门研究方向。智能技术应用到智能电网负荷预测领域取得了一系列研究成果。首先，对主流负荷预测技术进行总结；然后，将面向智能电网的传统负荷预测技术与近年来新兴的智能负荷预测技术进行对比，并详细介绍了两个领域中典型成果的基本原理和方法；最后，讨论了智能电网负荷预测技术仍需要解决的问题及未来的研究趋势。

摘要：
针对K-means异常检测算法检测性能低的问题，提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心，避免了初始中心的随机选择。在此基础上，引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离，通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明，改进算法具有更高的检测率和更低的误检率，应用于电力负荷数据时检测率达到了90.5%，能够有效地检测出异常的负荷数据。

摘要：
突发信号检测有助于提高通信线路的利用率，或为监听、攻击及干扰线路提供信息基础。现有的检测算法往往需要信号模板等先验知识，且计算复杂度高。针对具有独特码结构的海事卫星时分多址（TDMA）信号，分析了其星座图的特点，研究了独特码符号之间的相位差特征，提出了一种基于独特码符号距离的突发检测算法。该算法无需使用信号模板，且统计量的计算复杂度低。实验表明，该算法能有效地检测出突发信号，且在低信噪比的情况下也能取得较好的检测效果。

摘要：
为了提高电力变压器故障诊断准确率，通过分析变压器油中溶解气体数据，提出了一种定向变步长的果蝇算法（DVSFOA）与概率神经网络（PNN）相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大，对果蝇算法位置公式进行更新调整，对平滑因子进行参数寻优，将优化结果赋值给PNN模型进行网络训练，得到了用于变压器故障诊断的最佳网络模型。实验结果表明，该组合算法具有较高的诊断精度，收敛速度快，整体性能高。

摘要：
基于加密的数据挖掘技术往往计算复杂度太高，而差分隐私作为一种数据扰动技术，既能有效降低计算复杂度，又能让使用者分析数据的整体价值。简要分析了差分隐私在具有敏感信息的智能数据挖掘系统中的相关技术。首先，介绍了差分隐私的基本概念；其次，针对频繁项挖掘、回归与分类以及深度学习，分别介绍了差分隐私在敏感数据挖掘中的应用；最后，对比了最新研究方法的性能和优缺点，为进一步研究隐私保护数据挖掘技术提供相关参考。

摘要：
私有协议不公开协议规约，构建Fuzzing的测试用例比较困难。针对此问题提出了一种西门子S7私有协议的Fuzzing漏洞检测方法。设计了针对私有协议S7模糊测试的字段分类测试方法和多字段关联测试方法，以及测试用例模块中变异字段生成算法；同时，为了使漏洞检测方法具有更好的泛化性，对不同的工控设备编写了独立嗅探脚本，使用SQLite建立了适用的CVE漏洞数据库。测试结果证明，该方法可扫描使用S7以及S7更高版本S7Comm plus协议的多种型号PLC，并输出其漏洞信息，且相较于通用漏洞扫描工具OpenVAS具有更高的效率。

摘要：
针对目标跟踪中存在的跟踪错误恢复问题，参照ASMM记忆模型，提出了基于记忆模型的模板更新策略及相应的核化相关滤波目标跟踪算法。实验结果表明，对于遮挡或其他外观变化引起的跟踪失败，基于记忆模型的核化相关滤波目标跟踪算法有恢复跟踪的作用。

摘要：
介绍了文本词向量及预训练语言模型的发展体系，系统整理并分析了其中重点方法的思想特点。首先，阐述了传统的文本词向量表征方法及基于语言模型的文本表征方法；然后，详述了预训练语言模型方法的研究进展，包括动态词向量的表征方法和基于Transformer架构的预训练模型；最后，指出了未来探究多模态间更有效的融合方式和迁移学习将成为该领域的发展趋势。

摘要：
针对新闻文本分类方法中词向量的表示无法很好地保留字在句子中的信息及其多义性，利用知识增强的语义表示（ERNIE）预训练模型，根据上下文计算出字的向量表示，在保留该字上下文信息的同时也能根据字的多义性进行调整，增强了字的语义表示。在ERNIE模型后增加了双向门限循环单元（BiGRU），将训练后的词向量作为BiGRU的输入进行训练，得到文本分类结果。实验表明，该模型在新浪新闻的公开数据集THUCNews上的精确率为94.32%，召回率为94.12%，F1值为0.942 2，在中文文本分类任务中具有良好的性能。

摘要：
电表数据经数据采集器采集、数据聚合器收集后传输给数据存储中心，而当前的用电数据采集方法存在数据泄露、中间人攻击，且攻击者不易被发现等风险。针对这一系列问题，提出了RAHRM的方法，采用RSA-AES-HASH签名认证，并采用RSA对智能电表传输的数据进行加密，同时对服务器端进行流量监控和异常报警，为电表数据传输提供一个安全、可靠的通道。实验结果表明，此电表数据采集方法可以降低智能电表通信中的中间人攻击与攻击者不易被发现的风险，保证通信线路的安全。

摘要：
风电功率的准确预测是减少风电并网对电网造成冲击的有效手段之一。利用深度学习算法中的长短期记忆网络（LSTM）对中期风电功率出力进行了预测，综合考虑功率数据、气象数据等多维特征，采用LSTM算法和随机森林（RF）算法搭建预测模型，预测风电场1~7日的风电功率出力。基于某风电场2014年1月到2016年12月的实际发电数据，通过实验对比BP神经网络、支持向量机（SVM）和自回归积分滑动平均模型（ARIMA）等算法可知，提出的预测方法在较为突变的天气状况下仍能保持较高的预测精度，能为风电并网和电网调度提供辅助支撑。

摘要：
通过与传统神经网络对比，分析了利用卷积神经网络（CNN）进行车牌号图像识别中的特征提取过程，提出了优化卷积和池化的过程来提高算法的收敛速度和准确率。运用PyCharm环境建立了改进后的车牌号识别模型，并通过实验验证了其正确性与识别速度。通过BP神经网络、传统LeNet-5 CNN和改进后的CNN对相同的字符集进行对比分析实验，得出了改进后的CNN模型的优势。

摘要：
用户的异常用电行为会导致电力负荷异常增长，给电力公司造成巨大损失，同时也易造成输电线路故障，从而危害公共安全，然而传统人工检查异常用电行为的检测效率低下且精度较低。针对上述问题，首先分析了异常用电用户存在的行为特征，然后选择用于训练模型的最佳特征指标，最后提出了基于改进的非线性权重调整粒子群优化算法优化BP神经网络（NWPSO-BP）的异常用电行为检测算法。结果表明，与现有的异常用电行为检测方法相比，所提算法具有更高的精度，且误差收敛速度更快。

摘要：
岩石的内部结构复杂，虽然利用扫描电镜可获得精确的高分辨率页岩孔隙结构，但是实验成本高，耗时长，不便于大规模运用。针对这一问题，提出了基于无监督卷积神经网络的页岩重构方法，结合页岩图像软数据，进行了页岩重构。实验证明该方法只需要少量的真实页岩数据即可获得较好的重构结果；与经典的数值重构方法Snesim和Filtersim方法相比，该方法耗时更少，具有一定优势。

摘要：
我国信息安全管理体系认证筹谋之路艰辛而坚实。截至2019年6月，信息安全管理体系在全国所有管理体系有效认证证书中，证书数和获证组织数分别占比0.96%和1.74%。从2010年至2019年，中国认证认可协会举办8次良好认证审核案例评议交流活动和2次良好审核案例现场评议交流系列活动暨认证技术交流研讨会，共选出良好案例365个，其中信息安全管理体系16个，在全部案例中占比为4.38%。简要分析了信息安全管理体系历年良好审核案例中的不符合项对应标准条款，以供审核员参考。

摘要：
提出了一种基于监督下降法（SDM）及加权均值滤波的人脸美化系统。该系统首先采用SDM实现人脸关键点定位，接着采用交互式图像变形实现人脸局部变形，最后采用表面模糊算法实现肤质调整。实验结果表明，与其他人脸美化系统相比，该系统可通过调整修图的力度达到瘦脸、美目、去斑等人脸美化效果，同时美化后的图片保留原图的清晰度和细节特征信息。

摘要：
负荷预测是智能电网安全领域的热门研究方向。智能技术应用到智能电网负荷预测领域取得了一系列研究成果。首先，对主流负荷预测技术进行总结；然后，将面向智能电网的传统负荷预测技术与近年来新兴的智能负荷预测技术进行对比，并详细介绍了两个领域中典型成果的基本原理和方法；最后，讨论了智能电网负荷预测技术仍需要解决的问题及未来的研究趋势。

摘要：
针对K-means异常检测算法检测性能低的问题，提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心，避免了初始中心的随机选择。在此基础上，引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离，通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明，改进算法具有更高的检测率和更低的误检率，应用于电力负荷数据时检测率达到了90.5%，能够有效地检测出异常的负荷数据。

摘要：
突发信号检测有助于提高通信线路的利用率，或为监听、攻击及干扰线路提供信息基础。现有的检测算法往往需要信号模板等先验知识，且计算复杂度高。针对具有独特码结构的海事卫星时分多址（TDMA）信号，分析了其星座图的特点，研究了独特码符号之间的相位差特征，提出了一种基于独特码符号距离的突发检测算法。该算法无需使用信号模板，且统计量的计算复杂度低。实验表明，该算法能有效地检测出突发信号，且在低信噪比的情况下也能取得较好的检测效果。

摘要：
为了提高电力变压器故障诊断准确率，通过分析变压器油中溶解气体数据，提出了一种定向变步长的果蝇算法（DVSFOA）与概率神经网络（PNN）相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大，对果蝇算法位置公式进行更新调整，对平滑因子进行参数寻优，将优化结果赋值给PNN模型进行网络训练，得到了用于变压器故障诊断的最佳网络模型。实验结果表明，该组合算法具有较高的诊断精度，收敛速度快，整体性能高。

摘要：
基于加密的数据挖掘技术往往计算复杂度太高，而差分隐私作为一种数据扰动技术，既能有效降低计算复杂度，又能让使用者分析数据的整体价值。简要分析了差分隐私在具有敏感信息的智能数据挖掘系统中的相关技术。首先，介绍了差分隐私的基本概念；其次，针对频繁项挖掘、回归与分类以及深度学习，分别介绍了差分隐私在敏感数据挖掘中的应用；最后，对比了最新研究方法的性能和优缺点，为进一步研究隐私保护数据挖掘技术提供相关参考。

摘要：
私有协议不公开协议规约，构建Fuzzing的测试用例比较困难。针对此问题提出了一种西门子S7私有协议的Fuzzing漏洞检测方法。设计了针对私有协议S7模糊测试的字段分类测试方法和多字段关联测试方法，以及测试用例模块中变异字段生成算法；同时，为了使漏洞检测方法具有更好的泛化性，对不同的工控设备编写了独立嗅探脚本，使用SQLite建立了适用的CVE漏洞数据库。测试结果证明，该方法可扫描使用S7以及S7更高版本S7Comm plus协议的多种型号PLC，并输出其漏洞信息，且相较于通用漏洞扫描工具OpenVAS具有更高的效率。

摘要：
针对目标跟踪中存在的跟踪错误恢复问题，参照ASMM记忆模型，提出了基于记忆模型的模板更新策略及相应的核化相关滤波目标跟踪算法。实验结果表明，对于遮挡或其他外观变化引起的跟踪失败，基于记忆模型的核化相关滤波目标跟踪算法有恢复跟踪的作用。

摘要：
介绍了文本词向量及预训练语言模型的发展体系，系统整理并分析了其中重点方法的思想特点。首先，阐述了传统的文本词向量表征方法及基于语言模型的文本表征方法；然后，详述了预训练语言模型方法的研究进展，包括动态词向量的表征方法和基于Transformer架构的预训练模型；最后，指出了未来探究多模态间更有效的融合方式和迁移学习将成为该领域的发展趋势。

摘要：
针对新闻文本分类方法中词向量的表示无法很好地保留字在句子中的信息及其多义性，利用知识增强的语义表示（ERNIE）预训练模型，根据上下文计算出字的向量表示，在保留该字上下文信息的同时也能根据字的多义性进行调整，增强了字的语义表示。在ERNIE模型后增加了双向门限循环单元（BiGRU），将训练后的词向量作为BiGRU的输入进行训练，得到文本分类结果。实验表明，该模型在新浪新闻的公开数据集THUCNews上的精确率为94.32%，召回率为94.12%，F1值为0.942 2，在中文文本分类任务中具有良好的性能。

摘要：
电表数据经数据采集器采集、数据聚合器收集后传输给数据存储中心，而当前的用电数据采集方法存在数据泄露、中间人攻击，且攻击者不易被发现等风险。针对这一系列问题，提出了RAHRM的方法，采用RSA-AES-HASH签名认证，并采用RSA对智能电表传输的数据进行加密，同时对服务器端进行流量监控和异常报警，为电表数据传输提供一个安全、可靠的通道。实验结果表明，此电表数据采集方法可以降低智能电表通信中的中间人攻击与攻击者不易被发现的风险，保证通信线路的安全。

摘要：
风电功率的准确预测是减少风电并网对电网造成冲击的有效手段之一。利用深度学习算法中的长短期记忆网络（LSTM）对中期风电功率出力进行了预测，综合考虑功率数据、气象数据等多维特征，采用LSTM算法和随机森林（RF）算法搭建预测模型，预测风电场1~7日的风电功率出力。基于某风电场2014年1月到2016年12月的实际发电数据，通过实验对比BP神经网络、支持向量机（SVM）和自回归积分滑动平均模型（ARIMA）等算法可知，提出的预测方法在较为突变的天气状况下仍能保持较高的预测精度，能为风电并网和电网调度提供辅助支撑。

摘要：
通过与传统神经网络对比，分析了利用卷积神经网络（CNN）进行车牌号图像识别中的特征提取过程，提出了优化卷积和池化的过程来提高算法的收敛速度和准确率。运用PyCharm环境建立了改进后的车牌号识别模型，并通过实验验证了其正确性与识别速度。通过BP神经网络、传统LeNet-5 CNN和改进后的CNN对相同的字符集进行对比分析实验，得出了改进后的CNN模型的优势。

摘要：
用户的异常用电行为会导致电力负荷异常增长，给电力公司造成巨大损失，同时也易造成输电线路故障，从而危害公共安全，然而传统人工检查异常用电行为的检测效率低下且精度较低。针对上述问题，首先分析了异常用电用户存在的行为特征，然后选择用于训练模型的最佳特征指标，最后提出了基于改进的非线性权重调整粒子群优化算法优化BP神经网络（NWPSO-BP）的异常用电行为检测算法。结果表明，与现有的异常用电行为检测方法相比，所提算法具有更高的精度，且误差收敛速度更快。

摘要：
岩石的内部结构复杂，虽然利用扫描电镜可获得精确的高分辨率页岩孔隙结构，但是实验成本高，耗时长，不便于大规模运用。针对这一问题，提出了基于无监督卷积神经网络的页岩重构方法，结合页岩图像软数据，进行了页岩重构。实验证明该方法只需要少量的真实页岩数据即可获得较好的重构结果；与经典的数值重构方法Snesim和Filtersim方法相比，该方法耗时更少，具有一定优势。

摘要：
我国信息安全管理体系认证筹谋之路艰辛而坚实。截至2019年6月，信息安全管理体系在全国所有管理体系有效认证证书中，证书数和获证组织数分别占比0.96%和1.74%。从2010年至2019年，中国认证认可协会举办8次良好认证审核案例评议交流活动和2次良好审核案例现场评议交流系列活动暨认证技术交流研讨会，共选出良好案例365个，其中信息安全管理体系16个，在全部案例中占比为4.38%。简要分析了信息安全管理体系历年良好审核案例中的不符合项对应标准条款，以供审核员参考。

摘要：
提出了一种基于监督下降法（SDM）及加权均值滤波的人脸美化系统。该系统首先采用SDM实现人脸关键点定位，接着采用交互式图像变形实现人脸局部变形，最后采用表面模糊算法实现肤质调整。实验结果表明，与其他人脸美化系统相比，该系统可通过调整修图的力度达到瘦脸、美目、去斑等人脸美化效果，同时美化后的图片保留原图的清晰度和细节特征信息。

摘要：
负荷预测是智能电网安全领域的热门研究方向。智能技术应用到智能电网负荷预测领域取得了一系列研究成果。首先，对主流负荷预测技术进行总结；然后，将面向智能电网的传统负荷预测技术与近年来新兴的智能负荷预测技术进行对比，并详细介绍了两个领域中典型成果的基本原理和方法；最后，讨论了智能电网负荷预测技术仍需要解决的问题及未来的研究趋势。

摘要：
针对K-means异常检测算法检测性能低的问题，提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心，避免了初始中心的随机选择。在此基础上，引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离，通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明，改进算法具有更高的检测率和更低的误检率，应用于电力负荷数据时检测率达到了90.5%，能够有效地检测出异常的负荷数据。

摘要：
突发信号检测有助于提高通信线路的利用率，或为监听、攻击及干扰线路提供信息基础。现有的检测算法往往需要信号模板等先验知识，且计算复杂度高。针对具有独特码结构的海事卫星时分多址（TDMA）信号，分析了其星座图的特点，研究了独特码符号之间的相位差特征，提出了一种基于独特码符号距离的突发检测算法。该算法无需使用信号模板，且统计量的计算复杂度低。实验表明，该算法能有效地检测出突发信号，且在低信噪比的情况下也能取得较好的检测效果。

摘要：
为了提高电力变压器故障诊断准确率，通过分析变压器油中溶解气体数据，提出了一种定向变步长的果蝇算法（DVSFOA）与概率神经网络（PNN）相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大，对果蝇算法位置公式进行更新调整，对平滑因子进行参数寻优，将优化结果赋值给PNN模型进行网络训练，得到了用于变压器故障诊断的最佳网络模型。实验结果表明，该组合算法具有较高的诊断精度，收敛速度快，整体性能高。

摘要：
基于加密的数据挖掘技术往往计算复杂度太高，而差分隐私作为一种数据扰动技术，既能有效降低计算复杂度，又能让使用者分析数据的整体价值。简要分析了差分隐私在具有敏感信息的智能数据挖掘系统中的相关技术。首先，介绍了差分隐私的基本概念；其次，针对频繁项挖掘、回归与分类以及深度学习，分别介绍了差分隐私在敏感数据挖掘中的应用；最后，对比了最新研究方法的性能和优缺点，为进一步研究隐私保护数据挖掘技术提供相关参考。

摘要：
私有协议不公开协议规约，构建Fuzzing的测试用例比较困难。针对此问题提出了一种西门子S7私有协议的Fuzzing漏洞检测方法。设计了针对私有协议S7模糊测试的字段分类测试方法和多字段关联测试方法，以及测试用例模块中变异字段生成算法；同时，为了使漏洞检测方法具有更好的泛化性，对不同的工控设备编写了独立嗅探脚本，使用SQLite建立了适用的CVE漏洞数据库。测试结果证明，该方法可扫描使用S7以及S7更高版本S7Comm plus协议的多种型号PLC，并输出其漏洞信息，且相较于通用漏洞扫描工具OpenVAS具有更高的效率。