cryptanalysis of the end-to-end security protocol for mobile communications with end-user identification/authentication

IEEE Computer Society

支持JSR286规范的Portlet协作框架的设计与实现

Portlet是具有用户界面的可与用户多次交互的Web组件。随着Portal和Portlet在企业中的广泛应用，仅仅将各种应用和数据通过Portlet集成到Portal中已经不能满足用户的需求。用户希望这些应用之间能够相互协作，以利用现有应用组建新的业务流程。Portlet协作是指两个或多个Portlet进行信息交换并使用这些信息的能力。目前协作功能的实现方式可以分为两种：基于后端(back-end)的实现方式与基于前端(front-end)的实现方式。在这两种协作实现方式的基础上，本文提出了两种Portlet协作框架。 本文提出一种基于事件的Portlet前端协作模型，通过引入此模型，解决了Portlet前端协作中客户端与服务器端无法交互的困难，使协作动作由客户端和服务器端共同完成。基于此模型提供给开发者一种可扩展的协作框架，利用JavaScript技术使得协作的Portlet在客户端“相知”，协作的行为在客户端触发，Portlet获得协作数据后使用Ajax技术请求服务器端的资源，服务器端使用JSR286规范定义的资源服务接口响应用户的请求，进而动态更新界面。 当前的Portlet后端协作方式依赖于特定的Portal产品，针对这点不足，本文在JSR286规范定义的事件及共享渲染参数协作机制基础上，实现了一个Portlet后端协作框架。在该框架中协作服务使用消息队列保存待处理的消息，Portlet 容器作为中介实现发布事件的Portlet和订阅事件的Portlet之间松散耦合。Portlet监听协作事件，事件触发后调用事件协作服务发布事件，为了提高协作的并发性，事件协作服务使用多线程处理协作事件。该协作框架与JSR286规范兼容，具有良好的可移植性。 本文对这两种Portlet协作框架进行了实现，并将其应用于中科院软件所自主开发的门户产品OncePortal中。本文重构了OncePortal系统，给出了框架的体系结构与系统接口，描述了框架的各功能模块，并详细讨论了Portlet协作框架中的关键技术，包括事件协作流程的描述、事件处理过程、多级事件流等。

Retention modeling and optimization of pH value and solvent composition in HPLC using back-propagation neural networks and uniform design

A novel method for the optimization of pH value and composition of mobile phase in HPLC using artificial neural networks and uniform design is proposed. As the first step. seven initial experiments were arranged and run according to uniform design. Then the retention behavior of the solutes is modeled using back-propagation neural networks. A trial method is used to ensure the predicting capability of neural networks. Finally, the optimal separation conditions can be found according to a global resolution function. The effectiveness of this method is validated by optimization of separation conditions for both basic and acidic samples.