【摘 要】
：
针对软件定义网络(Software Defined Ntwork,SDN)中的分布式拒绝服务(Distribute Denial of Service,DDoS)攻击检测的方法少、现存方法入侵检测率低的问题,提出了一种基于深度学习和三支决策的入侵检测算法.首先使用深度信念网络对SDN的流表项进行特征提取,然后利用基于三支决策理论的入侵检测模型进行DDoS攻击的入侵检测,对于正域和负域的数据直接进行分类,对于边界域中的数据使用K近邻算法重新进行分类.仿真实验结果表明,与其他入侵检测模型相比,所提算法的入侵检
【机 构】
：
江苏科技大学,江苏 镇江 212100
论文部分内容阅读
针对软件定义网络(Software Defined Ntwork,SDN)中的分布式拒绝服务(Distribute Denial of Service,DDoS)攻击检测的方法少、现存方法入侵检测率低的问题,提出了一种基于深度学习和三支决策的入侵检测算法.首先使用深度信念网络对SDN的流表项进行特征提取,然后利用基于三支决策理论的入侵检测模型进行DDoS攻击的入侵检测,对于正域和负域的数据直接进行分类,对于边界域中的数据使用K近邻算法重新进行分类.仿真实验结果表明,与其他入侵检测模型相比,所提算法的入侵检测效率更高.
其他文献
为了有效提取图像的纹理特征,充分利用纹理的方向性以及纹理在不同方向具有不同频率成分这两个特性,提出了基于多尺度方向分解的纹理特征提取方法.首先根据Rado n变换的方法检测纹理方向,Rado n变换各角度投影向量方差的二阶导数最小值对应的投影角度即为纹理方向.然后根据得到的图像纹理方向信息,利用可控金字塔将图像沿纹理方向进行三个尺度的分解,得到纹理方向上图像的多尺度子带图像.最后以三个尺度子带图像的Legendre矩和Zernike矩作为图像的纹理特征.分别在Brodatz和VisTex数据集上进行实验验
高维数据存在大量的冗余变量和噪声,传统的分类方法在高维情况下通常效果不佳.为提高分类性能,将迭代稀疏组套索和支持向量机结合,提出了一种新的高维分类方法iSGL-SVM.分别在pros-tate和Tox_171数据集上验证了所提出的方法,并与其它三种方法进行比较.实验结果表明,该方法具有更好的变量选择效果和较高的分类精度,可广泛应用于高维小样本数据集的分类.
QAR可以监控的飞行参数多达上千种,为航空发动机状态监控和故障诊断提供丰富的数据,基于典型的民航飞机QAR数据对发动机进行性能分析.在地面滑行阶段,通过燃油控制系统对燃油流量进行小幅度微调,降低燃烧室温度上升率,提高高温部件的寿命;起飞阶段平原地区的燃油流量大于高原地区的燃油流量;爬升阶段采用换算转速能够较好地反映出燃油流量换算值变化规律;通过分析滑油量在某一航段的变化规律,对监测滑油的方式有一定的指导作用.
针对常规技术中变电站离线监测效率低的问题,研究了新型的在线监测方法.建立了电能损耗数值计算模型,反映出有功、无功、空载、负载损耗之间的关系,设计了单向树搜索法,能够优选功率损耗最小的变压器并列运行方式,最大程度地减少了损耗.设计出新型数据采集器,利用信息融合技术对采集到的信息进行综合处理和协调优化,最终实现变压器的在线监测流程.实验表明,所提方法的监测方法误差在10％ 以内,可靠性好.
因大规模任务处理模型在处理实际任务请求通常是基于历史数据的,若总依据经验和以往知识判断,会出现许多无法识别并处理的任务,以及出现模型过拟合等问题.提出了一种基于深度神经网络的计算模型进行大规模任务部署,并引用Agent强化学习效用进行评价,实现最佳虚拟网络映射方案.实验结果表明,这种BD T ard方法法能满足大规模任务请求,稳定系统长期收益,保障了大数据环境下大规模任务处理的高效执行.
为了提高主变应急培训能力,提出基于多人协同虚拟现实的主变应急培训视景仿真模型.以火灾应急演练为研究对象,构建主变应急培训的虚拟视景图像重构模型,并对虚拟视景环境参数进行结算,根据参数结果的计算,进行主变应急培训过程中的虚拟现实仿真,实现主变应急培训的虚拟现实VR仿真模型的优化设计.测试结果表明,采用该方法进行主变应急培训的虚拟视景仿真的协同性较好,图像融合性能较高,视景重构能力较强.
由于电力通信过程中部分信息资源具有动态性特征,无法精准捕获有效数据,导致资源管理系统无法及时录入数据,为此设计了一种支持动态获取资源配置信息的电力通信资源管理系统.首先根据电力通信资源管理系统的特征构建逻辑拓扑结构模型,引入CORBA技术以及SOCKET套接字技术,构建管理系统的信息转发模型及信息传播状态函数,进行有关资源的自动更新,实现信息的动态获取,最后根据映射关系进行是自适应匹配,获取合理数据来源,绘制机架图,完成电力通信资源管理系统的设计.经实验分析可知,本研究所提设计系统在录入动态信息或数据时,
当前敏感台区反窃电监测方法在面对连续监测状况时,监测数据中含有大量噪声数据和无用数据,导致对窃电行为的诊断依据不足,为解决该问题,提出基于递归小波神经网络的敏感台区反窃电监测方法.利用A/D采集电路和互感器采集用户用电数据,通过数据预处理剔除噪声数据和无用数据,同时使数据归一化.在此基础上,提取用电数据特征,并从电流、电压、功率因数、电量四个方面确定窃电行为判别指标,将数据与特征值输入至递归小波神经网络中,结合判别指标输出精准的窃电行为判别结果,实现敏感台区反窃电监测.实验结果表明,研究方法能够准确捕捉到
针对现有技术中评估水电站经济运行状况存在的技术不足,提出新型的考核评估方法.该方法通过对水电站发电情况以及水电站水库耗能情况进行分析,从整体上衡量水电站在发电过程中的能量变差,及时、有效地评估在各种因素下,影响水电站发电的功耗分析.并构建出最小能耗数学模型,实现不同情况下水电站的能耗分析.在构建最小能耗数学模型时,同步考虑了影响最小能耗数学模型计算的约束条件.试验表明,本研究的方法误差低,适用范围广.
针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将