一种自动化的越权漏洞检测系统及方法，包括:用户行为收集模块、用户行为图分析模块、攻击用例生成模块、执行与报告模块，本技术基于功能测试的用户行为，实现系统的统筹性分析，生成用户组行为图并执行剪枝、子图划分、功能点公共点分割、关键路径发现，更加高效且精确地生成针对越权漏洞的测试用例，过滤大量无用测试用例，自动化执行用例，利用去公共子树的页面相似性计算方法判断测试执行结果、反馈检测结果，极大提高了越权漏洞的检测的效率、精准度。

 本技术涉及物流配送技术领域，具体涉及一种动态物流背包群智能轨迹规划方法，包括构建物流终端配送模型；根据物流终端配送模型，以总配送距离成本最小化、总客户满意度最大化以及总车辆背包价值率最大化为联合优化目标构建动态物流背包优化模型；采用改进灰狼优化算法求解动态物流背包优化模型，得到最优配送方案；本发明能降低运输成本、减少配送时间，优化资源利用率。

 本技术公开了一种基于频谱变迁的脉冲信号参数识别方法。针对采用现有的数字化波形成形以获知高阶复杂核脉冲信号参数遇到的难题，将脉冲信号进行频谱的移动，设计匹配的滤波器组滤波；对中心频点进行实时追踪，以克服电路参数波动导致的后续参数识别的不一致；克服了现有的数字化波形成形方法对脉冲的阶次及复杂程度的高度敏感性；便于将模拟信号处理的无延时特点与数字信号处理的灵活性进行有效结合；便于将模拟信号进行远距离传输以做进一步分析处理；最终为能谱的精确测量提供保障。

 本技术公开了一种基于TA‑MMKELA‑BiGRU的出料含水率预测方法，包括对采集的流程生产线时间序列工况数据依次进行预处理、降噪处理，获得去噪后的样本集；构建时序注意力机制，将降噪后的样本集作为时序注意力机制的输入；构建多层级多内核极限学习机编码器，将时序注意力机制的输出作为多层级多内核极限学习机编码器的输入；构建双向门控循环单元模型，将多层级多内核极限学习机编码器的输出作为双向门控循环单元模型的输入；训练由所述时序注意力机制、多层级多内核极限学习机编码器、双向门控循环单元模型构建的TA‑MMKELA‑BiGRU预测模型；将训练好的TA‑MMKELA‑BiGRU预测模型输入流程生产线工艺参数特征数据进行预测，输出预测结果。本发明有提高了流程生产线质量指标的预测精度。

 本技术公开了一种基于元学习和经验向量的自动驾驶联邦强化学习方法，包括:构建自动驾驶异质环境；构建Actor网络，通过确定性策略梯度更新Actor网络参数；构建Critic网络，通过元学习算法和误差反向传播算法更新Critic网络参数，训练过程中还加入经验向量整合并更新各自动驾驶车辆的学习经验，以优化全局策略的性能表现；在训练过程中，所有自动驾驶车辆定期将本地Critic网络参数、Actor网络参数和本地经验向量发送至中央服务器聚合。本发明通过提高自动驾驶车辆对环境异质性的适应能力，解决现有联邦强化学习中因环境动态变化和策略性能波动带来的收敛速度变慢和策略泛化能力下降问题，从而提升训练效率和策略鲁棒性。

 本技术公开了一种含淹没柔性植物矩形河道曼宁糙率系数的计算方法，包括:获取单株植物的体积VSP以及单位面积内的植物数量D；测量含淹没柔性植物段的河道宽度B，河道长度L以及水位Hc；将植物阻力等效分布在床面上，计算等效分布后的水深Hp以及水力半径Rp；确定植物的无量纲化偏转角度以及淹没程度与水流流速之间的关系；计算得到含淹没柔性植物矩形河道的曼宁糙率系数。本发明将含植物段的复杂流速分布通过植物的偏转角和淹没程度来反映，解决了流速参数不易确定的问题，减少了计算误差，提高了测量精度，提升了计算的便捷性和准确性。

 本文公开了一种基于轴面协同的铁路隧道智能建造方法及系统，涉及铁路隧道建设技术领域，该方法包括收集施工区域的地勘资料、掌子面与钻孔数据，建立地质模型；基于现场数据确定地层特征，通过蒙特卡罗模拟法重构地质体；验证重构地质体中的地质信息与钻孔数据，生成重构参考图像；借助AI模型修复图像，直至满足重构要求，生成爆破段重构地质；最终依据重构地质与地质模型，制定爆破施工方案，指导施工机械自动化作业。本申请利用地勘资料以及掌子面和钻孔数据对前方地层地质进行预测补全，使得爆破与施工设计更加合理。

 本技术公开了属于设备状态识别技术领域的基于层次化聚类与图像特征集的负荷状态识别方法。包括以下步骤:建立设备典型曲线库；基于DTW对确定逻辑型设备和随机逻辑型设备进行典型工况聚类；构建负荷特征集并进行设备状态识别。本发明能够提升识别总功率数据中的设备状态组合的精度，便于后续的负荷预测以及需求响应潜力的计算。

 本技术涉及一种基于知识图谱和注意力机制的推荐方法，属于个性化推荐领域。该方法包括:定义知识图谱感知推荐问题，建立用户与项目交互矩阵以及作为输入的知识图谱；在知识图谱传播层中设置用户和项目的种子集，并将种子集沿相邻实体进行传播，捕获用户和项目的基于知识的高阶交互信息；在知识感知注意力嵌入层通过注意力机制为每一个关系学习对应的潜在关系表示，得到潜在关联的实体集合；通过聚合器对实体集合进行处理得到对应的聚合向量，并根据聚合向量预测用户对项目的偏好评分；设计损失函数对上述过程进行训练，训练完成后用于用户偏好推荐。本发明能够更准确地捕捉用户和物品之间的潜在关系，为用户提供更加精准、个性化的推荐服务。

 本技术提出了一种基于大语言模型的数据集关键词生成及筛选方法，属于自然语言处理和人工智能领域。所述方法包括:收集评论文本数据及其已知关键词；文本数据分块；大语言模型生成初步关键词；结合TF‑IDF算法和TextRank算法对初步关键词列表中的初步关键词进行初步筛选；通过大语言模型对初步筛选后的关键词进行语义与情感相关性筛选，得到最终关键词。本发明在关键词生成与筛选技术上取得了显著进步，特别适用于需要高精度、高效率的大规模文本分析任务。