大数据环境下网络非法入侵检测系统设计

大数据环境下,非法入侵检测是保证计算机安全的重要手段。通过非法入侵检测,保证计算机免遭网络中木马病毒等的攻击,因此对大数据环境下网络非法入侵检测进行系统设计是必要的。目前大多数网络非法入侵检测系统是通过归纳当前网络非法入侵检测系统存在的优缺点,指出网络非法入侵检测系统存在的问题,确定其发展方向。但这种方法存在系统结构复杂,不利于维护和使用的问题。为此,提出一种基于PB神经网络的大数据环境下网络非法入侵检测系统设计方法,首先在分析大数据环境下网络非法入侵检测系统功能的基础上,对系统的模块进行设计,并分析各模块所实现的功能,在此基础上,对大数据环境下网络非法入侵检测系统的性能指标、采样芯片、USB接口控制芯片、FPGA、电源管理芯片等硬件进行设计选型,完成系统的硬件设计,并且通过PB神经网络算法提高大数据环境下网络非法入侵检测系统检测的准确性,并给出基于BP神经网络算法的入侵检测实现过程,从而实现大数据环境下网络非法入侵检测系统设计。实验证明,所提方法设计的大数据环境下网络非法入侵检测系统运行速度较快,能够及时准确对网络非法入侵行为进行检测,推动该领域的研究发展。     

图像边缘检测方法研究综述

图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。     

基于Mask R-CNN结合边缘分割的颗粒物图像检测

对颗粒物的尺寸检测是生产中重要的环节,使用相机采集图像并处理是常用的非接触检测方法。围绕颗粒物的识别与尺寸检测需求,选用沙粒为检测对象,提出了一种改进颗粒物边界掩膜的Mask R-CNN模型。该模型结合经典的边缘检测技术,并利用深度学习模型预测掩膜,根据边缘分割的结果来得到更高精度的掩膜。使用DenseNet作为检测网络的主干网络,使得整体网络参数量更少,并利用通道注意力机制加强网络的特征提取能力。实验结果表明,改进的网络可以提高检测的精度,且结合图像处理的方式能够改善掩膜尺寸检测的准确度,为颗粒物的工业检测提供了一种有意义的方法。     

变厚度多边形蜂窝结构的超声C扫描检测方法

为了解决变厚度多边形蜂窝结构超声波检测难和检测效率低的问题,采用了灵敏度补偿和多边形扫查路径规划相结合的超声C扫描方法进行检测。在扫查检测过程中,一是根据构件厚度变化进行灵敏度补偿,消除因厚度变化而引起的超声信号衰减对检测结果的影响;二是根据构件几何形状对此类构件进行多边形扫查路径规划,减少探头的空扫描范围,提高检测效率。试验结果表明:该检测方法能准确、高效地检出变厚度多边形蜂窝结构中的缺陷。     

一种识别病毒和蠕虫的算法

对现有的恶意软件检测算法进行研究之后发现,某些检测算法只能检测一种恶意软件,并且部分传统的检测算法在检测恶意程序时漏检率偏高。针对目前现有的检测算法缺乏综合性检测能力的短板,在此文中提出了一种新的检测算法,该检测算法具有一定的综合检测能力。新算法的思路如下：第一步区分某种软件是恶意软件还是非恶意软件,如果是恶意软件则提取其特征码,然后使用决策树根据恶意软件的特征码对恶意软件进行识别和分类,如果存在特征码不能识别的恶意软件,那么再根据病毒和蠕虫的特征使用相似性计算算法对未知的恶意软件进行相似性计算,最后使用决策系统对相似性算法计算的结果进行决策,该恶意软件是病毒还是蠕虫。将相似性计算算法,决策树和决策系统在检测恶意软件算法中进行应用是本文的创新之处。     

太赫兹技术在农产品检测中的应用研究进展

我国是农业大国,保障粮食安全是国家发展的战略需要。农产品检测技术的应用和发展对监控质量,预防由农产品品质问题引发的安全事故至关重要。太赫兹（Terahertz,THz）波位于电磁频谱空隙,频率高于微波而低于红外线,具备光子能量低、穿透性好、能表征分子结构等优点。基于太赫兹波的光谱检测技术受到研究人员广泛关注,在生物医学、安全检查等方面得到应用,被证明是一种可靠的检测手段。在农产品应用领域,太赫兹波特有的非接触、无标记检测能力为农产品成分分析、质量控制提供了技术手段,其良好的穿透性和无损害性,可以用来在不破坏农产品表面及外包装的前提下,检测内部成分变化。与其他光谱（超声、X射线、红外等）检测手段相比,太赫兹波频率范围宽、表征能力强,可实现对目标物质的快速无损检测。近几年,随着太赫兹发射源、探测器等设备以及光谱和成像技术的发展,其在农产品领域的应用有了新的进展。通过收集整理近期的文献资料,综述了太赫兹技术在农产品检测方面的应用拓展和研究成果,总结了目前存在的应用局限。在此基础上,对未来太赫兹光谱和图像检测的研究方向进行了展望,提出提高检测灵敏度和检测速度是农产品领域太赫兹技术产业化应用的研究重点。在检测系统中引入基于超材料的传感器是提升灵敏度的一种有效手段,可以突破原有的太赫兹光谱检测极限,对研究农药残留、真菌毒素等危害农产品安全的痕量污染物具有重要意义。在农产品快速成像检测方面,基于单像素成像和压缩感知理论的太赫兹计算成像技术是提高检测速度的可行方案。这些研究成果将为后续太赫兹技术的发展提供方向性指导,对农产品检测领域的应用推广具有重要参考价值。     

基于单次旋转的旋转非对称面形误差绝对检测技术研究

绝对检测技术是剔除干涉仪系统误差进而提高面形检测精度的有效手段。基于单次旋转的绝对检测技术由被测球面绕光轴旋转前后的检测数据,采用基于最小二乘法的Zernike多项式拟合,剔除系统误差,获得被测面的旋转非对称面形误差。详细推导了理论计算公式,分析了单次旋转角度对算法检测精度的影响,并和多次旋转法作了对比,其残差均方根(RMS)值约为1.5nm。该方法只需一次旋转两次检测,在保证检测精度的同时简化了检测过程。     

金属薄板缺陷的超声多途Lamb波检测

金属薄板在动车等现代化设计中应用广泛,其是否存在缺陷等检测具有很重要的意义。为此,利用超声多途提供的额外数据来检测金属薄板的缺陷,提出相应的算法,多途路径在直接反射的路径上是可以预测和识别的,直接反射路径是相对比较容易识别的。同时利用ANSYS有限元建模不同的薄板缺陷模型,在不同的传感器位置、缺陷位置、缺陷大小情况下分别进行仿真。通过ANSYS仿真和实验检测都得出了良好的结果,误差在可控制范围之内,证明了超声多途应用与金属薄板Lamb波检测的是可行的;仿真和实验表明超声多途通过实际和多途虚拟扩展的传感器数据的分析证明了超声多途能够对薄板缺陷进行定位并检测其大小。提出的超声多途检测方法,通过单次测量即可检测出薄板缺陷的位置和大小,具有良好的检测性能。     

基于相对微分计盒法的人造目标分形检测

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术。基于图像分形维计算的相对微分计盒法,提出了一套实用的自然背景中人造目标的检测方法,给出了检测窗口与尺度选择的标准与参考值。大量实验证明,分形检测方法比传统的最大对比度检测方法稳定,是一种非常有前途的方法。     

非接触检测中螺纹图像牙型边界修正研究

利用图像的非接触检测螺纹是一种高效的检测方法。检测中,精准的获取到螺纹图像的牙型边界是检测的关键,而现有的图像处理技术并不能消除由于螺纹旋线对螺纹图像的影响。针对螺纹图像中牙型边界被遮挡的问题,从圆锥螺纹的几何空间关系分析图像产生误差的原因,建立圆锥螺纹数学模型,得到误差的方程。最后再设计了图像检测系统,根据误差方程修正螺纹图像、提取参数,经验证,此方法可以提高螺纹的检测精度,且通用在圆锥螺纹与圆柱螺纹中。