In Singapore’s evolving cyber landscape, 96% of organisations have suffered at least one cyber attack and 95% of organisations have been reporting more sophisticated attacks in the frame of one year according to a 2019 report[1] by Carbon Black. As such, more tools must be utilised to counter increasingly refined attacks performed by malicious actors. Honeypots are effective tools for studying and mitigating these attacks. They work as decoy systems, typically deployed alongside real systems to capture and log the activities of the attacker. These systems are useful as they can actively detect potential attacks, help cybersecurity specialists study an attacker’s tactics and even misdirect attackers from their intended targets. Honeypots can be classified into two main categories: 1. Low-interaction honeypots merely emulate network services and internet protocols, allowing for limited interaction with the attacker. 2. High-interaction honeypots emulate operating systems, allowing for much more interaction with the attacker. Although honeypots are powerful tools, its value diminishes when its true identity is uncovered by attackers. This is especially so with attackers becoming more skilled through system fingerprinting or analysing network traffic from targets and hence, hindering honeypots from capturing more experienced attackers. While substantial research has been done to defend against system fingerprinting scans (see 1.1 Related Work), not much has been done to defend against network traffic analysis. As pointed out by Symantec[2][3], when attackers attempt to sniff network traffic of the system in question, the lack of network traffic raises a red flag, increasing the likelihood of the honeypot’s true identity being discovered. In addition, the main concern with regards to honeypot deployment being their ability to attract and engage attackers for a substantial period of time, an increased ability to interest malicious actors is invaluable. Producing human-like network activity on a honeypot would appeal to more malicious actors. Hence, this research aims to build an intelligent web-surfer which can learn and thus simulate human web-surfing behaviour, creating evidence of human network activities to disguise the identity of honeypots as production systems and luring in more attackers interested in packet sniffing for malicious purposes.

現今逐漸有許多科學家研究出一些能夠進行預測事件的方法，諸如天氣預報、價格變化的幅度等等。在眾多生活常見的問題中，我們選定違規停車為例，作為研究主題，而我們推測違規停車是一種具有週期性的問題，有多樣的潛在變因存在，於是我們跳脫以往多以心理層面、法規制度與地理熱點等的視角去看待違規停車，以資訊科學及數學的方法，建立一套分析的模式加以進行研究。 本文以連續小波變換CWT、最大重複離散小波轉換MODWT、差分整合移動平均自迴歸模型ARIMA、混合MODWT+ARIMA模型及混合Harr離散小波變換DWT+ARIMA模型，對臺南市三個不同特性的行政里的共五個聚類點，進行預測。原始的資料以週為單位，分成全日(allDay,0~24時)及白天(Day, 08~16時)兩種型態，並以連續46週的資料預測接下來4週。結果採用方均根誤差RMSE相對平均值、標準差、最大值的比值，進行預測品質的比較。

在實體店鋪進行限時搶購活動 (Flash Sale)，近年來已逐步在世界各地快速散播。在這樣的閃購活動期間，商場往往會宣傳銷售商品的巨幅折扣，吸引消費者。消費者在閃購的活動期間，爭先恐後的進入商場，過程中，除了可能造成消費者的傷害外，亦有可能造成商品本身的損傷。 本研究發想自第六屆數學建模挑戰賽之國際賽題。首先，本研究分析了商品損壞的各種方式。第二，本研究用虛擬的商品列表，與一個虛擬的商場平面配置圖作為規劃範例。第三，繪製並配對完貨架與商品後，運用賽題中的專家評分、剩餘數量等數據，寫出了每個商品的平均歡迎指數。第四，建立數學函式，計算路徑風險值，並藉由定量分析預測，成功地判斷哪一個以及哪一些商品的受歡迎程度會較高。最後，提出了優化於賽題給予的平面配置圖方式。

本研究主要考慮在盡量保留可讀性的情況下，找出將 Imperative Programming 程式碼對應的 Functional Programming 的程式碼並證明。 結果如下： 一、if statement 等價於由 ifte 函數所構成的程式碼，其中函數ifte定義在本文內 二、某些 for-loop statement 等價於由 foldl 函數所構成的程式碼 三、某些 for-loop statement 等價於由 map 函數所構成的程式碼

聚對苯二甲酸乙二酯 (PET) 是一種常見的合成高分子材料，其被應用的範圍相當廣泛，如產品包裝、手提袋等，然而隨著人類的過度使用，越來越多的 PET 產品被發現有回收不當的現象。 文獻指出，醇解法為一具有反應條件簡單、反應過程溫和及較不會產生多餘副產物的解聚 PET 方法，且醇解法能使用非均相觸媒，具有易於分離觸媒的優勢，具工業化潛力。本研究嘗試利用廢電池中的鋅作為催化劑用以解聚 PET 成單體對苯二甲酸乙二酯（BHET），並深入討論影響反應進行的因素與發展應用。利用廢電池中的鋅作為催化劑不但成本低廉，也更能符合本研究的核心「綠色化學」。 本研究已透過最適化條件搜尋，發現能在催化劑使用量為 0.2 克、反應時間 4 小時、反應溫度 180 度時，解聚 5 克的 PET，有最佳效果之 BHET 產率 75.8% 和 PET 轉化率 93.2%。根據最適化反應條件，並比較不同種的鋅化合物做為催化劑，發現廢電池中的鋅作為催化劑催化反應，具有較佳的轉化率與產率。

在資訊爆炸的時代，效率閱讀、整理資料的能力越趨重要。身為高中生，學習時的閱讀量龐大，還須另外自己挑選重點句，重新整理筆記。因此我想如果可以讓電腦自動摘取文章的重點，就能幫助學生效率學習。 大多數現存的自動摘要研究適用於英文文本，本研究利用演算法抓取中文文章的摘要，使學生可以真正實用該演算法於日常學習當中。除此之外，此研究比較了不同方法摘要的準確率以及優缺點。

全球貧血人口普遍，然許多人並不了解自身是否罹患貧血；長期患有貧血的病人，亦需定期抽血檢驗追蹤是否有貧血惡化達到需接受輸血的程度。研究顯示，結膜之顏色與貧血有絕對關係，結膜越白則貧血越嚴重，醫師也常使用結膜顏色推測是否有貧血情形。若能設計手機軟體自動分割結膜影像並分析其顏色，將有機會推測受試者是否罹患貧血。本研究收集22位無貧血者及8位貧血病人，並獲得其近期血紅素數值。以手機取得受試者之眼睛影像後，成功設計程式以深度學習完成結膜自動影像分割，對於分割影像以面積大小進行後期處理後，依其取得下眼瞼結膜之三原色平均，再利用kNN與SVM演算法判斷預測出該受試者是否具有貧血之症狀。本研究主要分為兩階段，其一為進行下眼瞼結膜分割模型訓練；其二為製作有無貧血之判斷模型。整合上述眼瞼分割模型(IoU=89.8%±0.02%)與貧血判斷模型(SVM以polynomial核函數測出 準確值93.3%±24.3%)後，可得貧血診斷準確率為80%。此結果代表AI技術有機會透過結膜影像，判斷被拍攝者是否有貧血情形，未來若能增加研究人數，將可設計網頁版或手機APP加以推測血紅素值，供大眾居家篩檢。

本研究開發一個新型的CRISPR-Cas9技術剪輯粒線體DNA，提供粒線體基因所造成疾病的一個有潛能之治療方式。在本研究中，我們將嵌入粒線體標的訊號序列後的 Cas9 蛋白質和 sgRNA 分子送入粒線體內，將 CRISPR-Cas9系統套用於粒線體中，並達成剪輯粒線體基因之目的。我們將 Cas9 蛋白質和 sgRNA 分子鑲嵌於同一質體上，有效導入CRISPR-Cas9系統於粒線體內，並觀察到剪輯之標的基因ND4含量下降了 32%，達到粒線體基因編輯之目標。雖然前人曾用ZFN (Zinc-finger Nuclease)和TALEN (Transcription Activator-like Effector Nucleases)成功編輯粒線體基因，但由於製作過程繁瑣和經費昂貴等種種原因，並未被廣泛使用。我們開發的新型CRISPR-Cas9粒線體基因剪輯系統將可以提供一個相對簡易且價格低廉的粒線體基因剪輯平台。

台灣藜為原生種作物，本實驗探討其抗逆的可能原因，並發現囊狀細胞的不同功能。台灣藜種子發芽率與幼苗生長，隨鹽度及乾旱程度上升，受到很大抑制；發展至第一對葉，台灣藜才展現較好抗逆能力。不論子葉或第一對葉，鹽度越高或越乾旱，花青素與類黃酮含量均較高。但POD與CAT活性，子葉時活性變化不大；生長至第一對葉時，POD在2%鹽處理組及乾旱w40%組，活性分別上升10.8及3.6倍，而CAT在2%鹽處理組及乾旱w40%組，活性上升5.2及3.8倍，酵素活性上升的結果與抗逆關鍵時期相符。刷除囊狀細胞後，發現台灣藜在鹽逆境下生長較差；2%鹽處理後，刷除囊狀細胞的葉片，其CAT活性下降約64%。收集囊狀細胞，進行CAT活性分析，囊狀細胞組及其去除活性組(加入去除CAT活性的Stop solution)，兩者間的OD值相差達7.9倍。顯示台灣藜的囊狀細胞不僅有儲鹽的能力，還具有抗氧化酵素協助抗逆。

濃厚氣味的中藥，吃了能讓人強健體魄，那植物服用後呢？研究發現，綠豆能感受肉桂粉中的氣味分子”肉桂醛”，並透過改變其生理與生長的發育來減緩其在鹽逆境下細胞死亡的程度，提高長期耐鹽能力。本研究顯示，熏完肉桂醛的綠豆能透過減少氣孔數、使澱粉代謝、增加根系來應對鹽逆境下的缺水問題，在生化研究方面，能透過在根部提前累積脯胺酸來應對滲透壓逆境。此外肉桂醛氣味能激發綠豆的抗氧化力，我們發現，肉桂醛能讓綠豆提前累積抗氧化物(脯胺酸、抗壞血酸)，另能提高抗氧化酵素活性(POD、APX)來應對鹽逆境下的氧化傷害。本研究發現綠豆能感受肉桂醛氣味並提升其長期耐鹽能力，期待未來能將研究成果用於農業，減少逆境對農業帶來的損失。