一种新的基于分布式入侵检测的警报聚类方法

针对大量的异构入侵检测传感器产生的警报泛滥问题，提出了一种在线警报聚类融合模型．该模型根据自我学习和调节，建立元警报作为警报聚类融合的基础，对新产生的警报进行分类、聚类，最终将警报特征与元警报融合，扩充元警报的特征信息．实验结果表明该方法能够有效地减少警报数量，提供具有指导意义的入侵响应，并且聚类结果可被用来进行进一步的网络态势评估．     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

关联规则在网络异常检测中的应用

异常检测在网络安全中已成为一个重要的课题,异常检测是入侵检测(IDS)的一种,它对网络及用户正常行为的特征进行描述,并通过对正常网络行为的偏差的比较来实现入侵检测.关联规则是一种典型的数据挖掘方法,可以用来描述事物之间在特定条件下存在的某种强度的联系.通过对网络数据进行采集并利用关联规则数据挖掘的方法描述网络特性,建立了一个有效的网络异常检测系统模型,获得了较好的效果.     

基于图正则化概念分解的网络入侵检测研究

作为一种有效的主动探测网络恶意攻击防护措施,入侵检测在变电站信息系统安全防护中得到了广泛的应用.但实际网络入侵数据类型的多样性、非负性和高维度性等特点使得现有方法存在检测率低、误报率高等不足.基于非负矩阵分解的方法在入侵检测上取得了较好的效果,却忽略了嵌入在数据局部的几何结构和标记信息.为此,本文提出一种基于图正则化约束的概念分解算法.通过将数据的几何结构和标记信息同时作为约束条件,建立了一种新的概念分解模型,并提出了迭代更新求解算法.通过在网络入侵数据集KDD99上的实验验证,其结果展示了所提算法的有效性和鲁棒性.     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

钱塘江河口盐度的神经网络模拟

盐水入侵会对潮汐河口饮用水源地产生影响,河口盐度的合理预测对饮用水源地取水安全和水库泄水抑咸调度有重要意义.以上游流量和下游潮差为控制条件,建立模拟钱塘江河口盐度变化情况的神经网络模型.首先对输入数据作归一化处理,利用上半年观测数据对模型进行反复训练,进而后报下半年盐度.模型输出数据反归一化所得到的结果与实测盐度数据比较,两者较为一致.表明基于河口盐度与上游流量和下游潮差间映射关系所建立的神经网络模型可有效地模拟潮汐河口的盐度变化.利用神经网络方法模拟了上游流量变化条件下钱塘江河口某测站的氯化物浓度.结果显示,当利用上游水库泄水来抑制河口咸水入侵时,采用降序流量过程可更有效地减小盐水入侵对饮用水源地的影响.     

局部信息和全局信息相结合的点云处理网络

针对当前主流点云处理网络仅依靠局部邻域进行特征聚合导致特征提取能力不足，以及使用最大值池化造成信息损失的问题，提出了一种基于注意力的局部信息和全局信息相结合的点云处理网络。首先提出了基于通道自注意力进行局部特征聚合的方法，减少了信息的损失；然后为捕获点的远程依赖信息，设计了一种动态学习关键点的方法获取全局信息；最后构建了一种基于空间注意力的特征融合模块，使每个点均能学习全局上下文信息。在几个常用点云数据集上对方法进行了实验验证，在ModelNet40分类任务上实现了94.0%的总体分类精度、91.7%的平均分类精度；在ScanObjectNN分类任务上实现了81.5%的总体分类精度、78.1%的平均分类精度；在ShapeNet分割任务上实现了86.5%的平均交并比。表明提出的点云处理网络在分类、分割等任务中的精度均较PointNet、PointNet++、DGCNN等经典网络有显著提升，较其他点云处理网络也有不同程度的提高。     

BP神经网络技术在移动通信客户信用分析中的应用

提出了一种移动通信客户信用预测评估的方法．该方法基于移动通信客户行为属性的统计分析，以其作为客户信用预测评估的依据，建立BP神经网络的训练和识别的模型．通过随机选择2003年8月全网数据(403206个客户)中3％作为样本进行训练，确定了网络模型参数，与已有的信用评估方法相比，该方法的泛化性能高，适用于大规模的客户信用评估，所得到的客户特征属性对移动通信客户信用研究提供了理论和实践的依据。     

融合遥感与社会感知数据的城市土地利用分类方法

传统的土地利用分类方法大多基于对资料或影像的人工解译，存在一定的局限性。近年来，结合空间大数据和自然语言处理技术进行低成本快速的土地资源管理已成为研究热点。以美国纽约市曼哈顿区为例，提出了融合遥感影像和社会感知数据的城市土地利用分类方法。从遥感影像中提取光谱特征、从推特数据中提取用户活动时空和主题特征，基于随机森林法和深度神经网络法，构建了细粒度的城市土地利用分类模型。通过对比不同特征组合分类方法的精度，得到结合光谱特征和用户活动时空、主题特征的深度神经网络方法的结果最优，总体精度达82.65%,Kappa系数为70.1%。结果表明，社会感知数据中隐含的用户活动时空模式和活动主题信息均有助于提高城市土地利用分类的精度，而神经网络法可有效融合多源数据，为快速、低成本获取城市土地利用信息提供了新的途径。     

基于多源数据特征的服务安全态势感知模型研究

针对关键服务安全态势分析难的现状,本文提出一种新颖的服务安全态势感知模型(SSSA),并对服务数据源进行分类描述,将用户质量需求的性能参数,服务本身的可生存性以及服务运行的软硬件配置信息三方面作为影响服务态势变化趋势特征的重要因素.通过捕获DNS服务的态势数据来验证模型的可行性.实验结果表明模型对检测服务变化趋势具有良好的灵敏度,能够有效地检测服务偏离和失效,为安全管理员正确决策提供支持.     

基于分布式数据挖掘技术的网络入侵检测系统的研究

简要分析了现有的网络入侵检测技术存在的一些问题．在此基础上，提出了一种基于分布式数据挖掘技术的网络入侵检测系统模型，讨论了模型中各个功能部件的结构和关键技术．采用多Agent技术设计了一个基于该模型的网络入侵检测原型系统．对实现不同功能的多类Agent进行了设计．论文还介绍了原型系统的实现技术．通过一个模拟分布式攻击仿真实验，检验了该模型的合理性和原型系统的性能．实验结果表明，该模型可在一定程度上提高入侵检测系统对分布式攻击的检测能力．     

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.     

基于GIS与灰色关联分析的水位方案综合评价模型

通过分析传统方法在方案形成与指标获取方面的不足,综合应用GIS与灰色关联分析,构建了顾及方案形成与指标获取的正常蓄水位优选综合评价模型,并提出了基于GIS的方案指标获取方法.针对现有灰色关联模型对不同评价尺度指标分开处理的局限,改进了灰色关联度分析模型,并引入了相对理想度的概念.通过逆向指标正向化,将正常蓄水位方案矩阵转换为理想度矩阵,使不同量纲的指标数据经归一化后具有相同的评价尺度,从而为关联度计算提供可靠的数据.最后,通过实例证明了GIS方法的可操作性和综合评价模型的正确性.     

基于One Class-SVM+Autoencoder模型的车辆碰撞检测

为尽量避免车辆碰撞事故的发生,探索了机器学习和深度学习结合的方法,利用影响车辆碰撞的多个特征变量对车辆碰撞进行检测.首先使用皮尔逊相关性分析方法分析各个特征之间的关联度,接着使用One Class-SVM模型对数据集做"异常点"抛除操作.利用SMOTE(Synthetic Minority Over-sampling Technique)算法增加了少数类别的样本数量,最后采用自动编码器模型将影响车辆碰撞的因素(例如天气情况、光照情况等)作为模型的输入,通过解码器重构原始输入,获得输入与输出的最小重构误差计算阈值判断车辆碰撞情况.实验表明,数据经过One Class-SVM模型处理,再使用Autoencoder模型检测获得了比较好的测试结果.     

基于互信息和特征融合的图像隐写分析

为了提高隐写分析的检测率和效率,本文提出了一种加权融合的联合图像专家小组JPEG(joint photographic experts group)图像通用隐写分析方法.该方法分别计算离散余弦变换DCT(discrete cosine transform)系数块内和块间的水平、垂直和zigzag三向差分数组,采用联合概率密度矩阵来挖掘信息嵌入对DCT系数间相关性的影响,生成块内和块间三向特征.利用特征与分类类别间的互信息对特征权值进行量化,加权融合得到最终的特征向量,并使用支持向量机进行分类.对3种安全性较高的JPEG隐写算法F5、Outguess和MB2,在不同嵌入率下进行隐写分析.实验结果表明,在不同嵌入率的情况下其检测率均高于88.4%,同时特征融合算法使该方案具有更高的检测效率.     

基于改进的DenseNet-BC对少数民族服饰的识别

随着信息技术的发展，数字技术越来越多地应用于民族文化数字化保护，民族服饰的数字化及分类问题也日益受关注。相比一般服饰，少数民族服饰具有更多的细节特征信息，对其进行分类识别具有很大挑战。选用卷积神经网络DenseNet-BC作为基础网络结构，设计并使用了多尺度密集连接单元，用不同大小的卷积提取不同尺度的特征信息，以提高网络的学习能力；此外，为进一步提高网络的鲁棒性，提出一种局部和全局注意力机制方法进行分类识别。实验结果表明，改进的DenseNet-BC模型对少数民族服饰的识别准确率达95.18%，较ResNet-18、ResNet-34和DenseNet模型的识别准确率分别提升了3.84%、2.27%和1.18%。改进的DenseNet-BC模型具有更好的特征提取能力，能够提取更多的细节特征信息，一定程度上解决了普通模型提取特征尺度单一、特征丰富度低的问题。     

网络流量异常检测方法：SSAE-IWELM-AdaBoost

针对传统入侵检测方法在高维海量数据且类别分布不均衡的环境下检测性能较差的问题,提出一种流量异常检测方法SSAE-IWELM-AdaBoost,该方法基于堆叠稀疏自编码网络(stacked spare auto encoder,SSAE)并融合改进加权极限学习机(weighted extreme learning machine,WELM)。该方法首先使用堆叠稀疏自编码网络直接从原始流量数据中自动学习并提取特征,获取原始数据的低维抽象表示,然后以WELM作为集成算法(AdaBoost)的基础分类器,利用修改的训练样本权值分配规则和基分类器权值更新公式迭代训练基分类器,通过加权投票表决的方法得到最优强分类器完成网络攻击流量的识别。在UNSW-NB15数据集上进行仿真实验,实验结果表明,SSAE-IWELM-AdaBoost算法可以提高整体的检测精度以及小样本攻击的检测率,缩短分类器的训练时间,能较好地满足大规模网络环境下原始流量数据实时检测,对不均衡流量数据识别也具有较好的表现。     

基于深度稀疏自编码网络的植物叶片分类

针对传统机器学习方法对植物叶片图像分类识别率不高的问题,探讨了基于深度稀疏自编码网络(Deep Sparse Autoencoder Network,DSAN)的植物叶片分类研究。自动编码器通过编码和解码重构输入数据,对植物叶片进行分层特征学习,在自动编码器上添加稀疏限制,对隐含层神经元进行压缩,从而学习到更高层的隐含特征用于分类,解决了因选取的特征表达不足导致网络模型分类性能不佳的问题。实验采用公开的植物叶片图像数据库MalayaKew(MK)作为研究对象,该数据集包含44类植物。将预处理之后的叶片图像直接作为输入数据,通过DSAN学习到叶片的高层特征,结合Softmax分类器用于分类。实验结果表明,该算法能够有效提高植物叶片图像的分类精度,在植物分类领域具有一定的应用价值。     

基于图嵌入技术的产业集群分析方法研究

以往对产业集群的相关实证研究存在数据获取困难、数据维度片面、传统复杂网络理论分析方法可拓展性差等问题.针对以上问题,本文以互联网上的大量非结构化数据为基础,采用图嵌入模型提取集群网络特征的向量空间分析方法,利用互联网公开数据构建产业集群关联网络,结合企业行业分类标准与分析目的设计部分节点标签,使用关系型图卷积神经网络模型(R-GCNs),从产品关联层面进行产业集群特征学习.根据产业集群内企业的嵌入表示和地理位置信息,提出了集群网络嵌入应用分析方法.通过对宁波地区制造业集群相关数据进行实验分析和论证,验证了图嵌入分析方法在量化分析产业集群关联网络特征上的有效性.     

一种新型的自适应入侵检测系统的研制

针对当前入侵监测系统存在的自适应能力较差、扩展性差的问题，基于面向混合类型数据的快速启发式聚类算法FHCAM和属性约束的模糊规则挖掘算法ACFMAR，提出了一种采用数据挖掘技术的自适应入侵检测系统DMAIDS．该系统通过划分聚类的方法划分出异常入侵记录；模糊关联规则的方法提取入侵模式．通过对1999年举行的数据挖掘大赛所使用的10%子集进行实验，结果表明该系统平均检测率和平均误检率比大赛获得冠军检测方法准确率提高了近2倍，检测率从数据子集1的65．25％自适应提高到数据子集9的85．7％能自适应的检测各种攻击，表明该系统具有很好的应用前景。