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．     

基于有色Petri网的分布式网络入侵检测系统

在回顾入侵检测理论与实现模型两方面工作的基础上介绍了一种将CPN技术用于入侵行为建模的方法及其理论基础，阐述从CPN模型到层次型多Agent系统的转化方法及其实现结构．通过保留CPN模型的细分过程信息避免了传统多Agent入侵检测系统的单点失效问题，提高了系统可扩展性和健壮性，并通过在传感器层结合传统基于规则的入侵检测系统和CPN模型改善了系统性能．     

无人机网络入侵检测与信任体系研究综述

无人机应用场景广泛,然而无人机网络节点移动性强,通信链路不稳定,资源受限,易受网络攻击。常见的攻击有拒绝服务攻击、信息窃取、GPS(global positioning system)欺骗、传播虚假消息等,并且这些攻击在实际应用中会造成许多风险事件。基于上述攻击,本文回顾了近年来无人机网络安全防御方案,首先介绍了入侵检测防御技术,包括基于特征分析的入侵检测、基于数字签名的入侵检测、基于异常行为和行为准则的入侵检测;然后阐述了信任管理模型,包括基础信任模型、分角色和分层信任模型和其他信任模型;最后概述了基于人工智能技术和区块链技术的新型技术安全防御方案。结尾提出完善入侵检测方案与信任体系面临的挑战,为无人机网络安全研究提供参考。     

基于园区网络的主动安全模型设计与研究

从现行典型园区网络安全设计方案入手，结合其在安全防范解决方案上存在的问题，提出了一种网络主动安全模型；在全局网络安全认识的基础上．阐述了模型组成部件的功能定义和网络主动安全实现流程；采用统一网络入口认证、网络知识发现及资源有效控制、沟通等手段，解决了现行网络安全设计中存在的恶意攻击行为源头定位困难，以及信息安全司法取证不准、网络资源安全被动防护、网络灾难快速反映能力差等问题．实验结果表明，该设计方案具有较好的可行性和实用性．     

基于多值逻辑的 D/A转换器 分流电阻网络研究

本文通过对 D /A转换器表示的分析 ,用电流分流方法解释了二值 D /A转换器使用电阻网络的 物理实现 ,并在此基础上提出了四值 D /A转换器分流电阻网络 .该分流电阻网络在使用四值信号译码 的情况下将回到二值 D /A转换器.然而 ,这种基于多值逻辑的设计将导致一种新颖的 Π型电阻转换网 络 ,该网络比传统的 T 型电阻网络节省四分之一电阻数量 ,并可保证较高的转换精度.     

基于CAN/LIN总线的汽车车身网络研究

针对传统汽车电控单元多采用独立模式控制及系统可靠性不高的缺点,提出利用CAN/LIN总线构造汽车车身网络,阐述了该方案的软硬件实现方法,并通过实验室组网验证了其可行性.研究表明：采用CAN/LIN总线可简化线路、降低成本、提高各微处理器间的通信速度、降低故障率,使信息交换变得安全、迅捷、高效.     

一种基于移动代理的网络性能管理模型研究

对传统网络性能管理系统的缺陷进行分析后，提出了一种荩于移动代理的网络性能管理模型，该模型通过将网络性能管理需要采集的对象和指令封装位移动代理内，利用Grasshopper移动代删平台进行支撑，实现了M络性能数据的自主采集，并利用被管网元的本地资源即时计算出最终的性能指标数据，通过对传统性能管理和文巾提出的基于移动代理性能管理进行分析和比较，发现基于移动代理的网络性能管理可以减轻管理站的计算负荷，减少网络管理数据流量，从而降低囚网络管理而带来的额外开销。     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

基于关键词的对等网络节点群相似性度量模型研究

为了进一步提高基于P2P的内容分发网CDN（content delivery network）的搜索效率,对用户就近组成的节点群（peer group）进行了研究,提出了节点群相似的概念和基于关键词的节点群相似性度量模型.当一个需求在本节点群不能满足时,优先到相似性高的节点群中查找,以较快地满足跨节点群的需求.度量模型对任意两个节点群首先根据节点中各文档关键词的一致程度判断对应两个节点的相似度,然后根据相似节点对的数量和相似度来判断两个节点群相似度.实验表明,使用所提出的度量模型得出的计算结果比传统的基于VSM的算法更接近于实际情况.     

基于混合贝叶斯网络数据挖掘及研究生升学预测模型的研究

给出了基于MAP和MDL混合机制的贝叶斯网络结构学习算法,新算法吸取了两种方法各自的特点,具有计算简单、收敛速度快且能综合利用先验知识及专家知识的优点。并结合A校研究生的海量数据进行实验,结果表明：新的预测模型准确率可达84%,且推理高效合理。     

基于网络的学位论文过程管理与质量监控平台研究

通过引入图书馆学位论文开题查新和论文剽窃检测环节, 对现有研究生学位论文过程管理模式进行改进和优化, 进一步提升学位论文质量. 同时, 将改进后的学位论文过程管理模式和质量监控机制用计算机相关技术实现基于网络的信息管理平台, 使得学位论文过程管理无纸化和网络化, 学位论文评审公平和公正, 从而更好地达到学位论文质量监控和管理效果.     

基于自组织神经网络与主成分分析的多维度网络成瘾研究

应用陈淑惠编制的中文网络成瘾量表对分别座落于我国东部和西部的2所高校的420名学生进行了问卷调查,采用自组织神经网络与主成分分析技术,对测试样本的网络成瘾总分进行聚类分析,并探求了网络成瘾的主要影响因素.结果表明:(1)上述方法能有效利用样本数据之间的相似性,发现其内在本质联系;(2)能够对测试样本进行更为有效的分类;(3)发现时间管理能力与强迫性上网行为等是造成网络成瘾的决定性因素.自组织神经网络对网络成瘾程度有更好的区分度,可以在宏观和微观2个层面对网络成瘾提出针对性的防范措施.     

基于网络文本的TDI地域差异研究——以西安的国内旅游形象为例

基于网络论坛文本数据,采用内容分析和对应分析法,以关中、京津唐、长三角和珠三角地区游客对西安的旅游形象为靶标,对比研究距离对西安国内旅游形象的影响.结果表明:1旅游目的地形象(TDI)随着目的地与客源地之间(简称O-D对之间)距离的增加发生"瘦身"现象,形象词汇频率分布服从幂律衰减规律;2O-D对之间的距离差异会导致游客对同一目的地的认识和关注重点存在差异;3O-D对之间的距离对游客的旅游地整体评价影响较小,但对旅游景点吸引力有衰减作用,衰减速度与景点级别高低有关;4西安旅游形象可分为旅游吸引物、设施和服务、休闲娱乐、自然环境、社会环境、旅游地评价等6个维度;5西安旅游还处在"景点旅游"而非"城市旅游"阶段.