【摘 要】
:
伴随网络的快速发展,网络攻击也逐渐严重,为准确地识别机场所受到的恶意流量攻击,流量异常检测成为保障机场网络安全的重要手段。为了检测网络流量中的流量异常,通常需要分析大量的流量包,使用正则匹配已知的恶意流量包。通过这些方法去检测流量异常需要大量的算力,且检测流量异常的效率与准确率不佳。当前,机器学习算法被广泛应用到网络流量异常检测和网络入侵检测。但是单一的机器学习算法模型对流量异常检测的能力有限,效
论文部分内容阅读
伴随网络的快速发展,网络攻击也逐渐严重,为准确地识别机场所受到的恶意流量攻击,流量异常检测成为保障机场网络安全的重要手段。为了检测网络流量中的流量异常,通常需要分析大量的流量包,使用正则匹配已知的恶意流量包。通过这些方法去检测流量异常需要大量的算力,且检测流量异常的效率与准确率不佳。当前,机器学习算法被广泛应用到网络流量异常检测和网络入侵检测。但是单一的机器学习算法模型对流量异常检测的能力有限,效果不稳定,泛化能力弱。为了解决这些问题,本文应用将多个机器学习模型结合起来的集成学习算法进行流量异常检测,主要工作包括以下三个方面:第一,提出了基于投票机制的特征选择方法。本文使用该方法进行特征选择,将选择出的特征作为特征子集。本文使用了两个数据集:天津机场数据集与KDD99数据集,分别使用随机森林、XGBoost、GBDT进行特征选择,然后使用投票机制生成特征子集。使用该方法对本文提出的两种流量异常检测算法进行改进。第二,提出了一种使用AdaBoost与随机森林作为基学习器,Logistic回归作为元学习器,并使用基于投票机制的特征选择改进的Stacking流量异常检测算法。该算法是具有二层结构,首先在第一层中使用随机森林、Ada Boost等算法作为基学习器,融合不同基学习器的结果,然后将结果传输到最后层中,最后层使用Logistic回归算法作为元分类器,Logistic回归算法预测得到最终的结果。利用基于投票选择的特征子集,对Stacking算法进行改进,本文所提出的基于投票机制的特征选择改进的Stacking流量异常检测算法相比单一的机器学习算法效果较优。第三,提出了改进的深度森林的流量异常检测算法。深度森林中多粒度扫描的作用是进行特征扫描,但是多粒度扫描需要的算力与内存较大,于是使用基于投票的特征选择方法代替深度森林中的多粒度扫描,实现算法的改进。实验表明改进的深度森林算法在流量异常检测方面有较高的准确率,运行效率更高。
其他文献
薄壁件具有材质轻薄、硬度较高等优点,被广泛应用于车辆、军事、航空航天等工业领域,但薄壁件在加工过程中易出现变形和切削颤振,使得零件的加工精度和表面质量下降,严重影响了生产效率。因此,研究颤振控制技术对实际生产具有重大现实意义。论文重点针对切削过程中的颤振问题,改善零部件表面质量展开研究。对切削颤振四种控制技术进行了总结,综述了超磁致伸缩驱动器(Giant Magnetostrictive Actu
近年来随着民航客运量的增涨,国内外有很多机场都已经修建了或者正在准备修建平行跑道来增加机场运行效率,随之而来的还有许多新航行技术。“建立RNP AR进近(EoR-Established on RNP AR APCH)”是一种利用RNP AR的优势进行的平行跑道同时进近运行,通过增加额外的导航精度来提高安全性、效率和容量。这一新运行技术的实施可以提升飞行运行的安全水平,因此运行审批流程的条件之一是执
梯度功能材料作为一种新型功能材料,它具有比传统复合材料更为优异的性能。通过对材料的合理设计,可使其在热环境中具有良好的力学性能。由于梯度功能材料特殊的物理特性,其应用前景极为广泛,在航天工业、能源工业、核工业、光学工程和化学工程等一些热环境领域具有重要的应用。本论文研究轴向运动功能梯度材料在温度场中的振动特性。本文以轴向运动功能梯度板为研究对象,建立了轴向运动功能梯度板在热环境中的动力学控制方程,
气象服务产品源生于历史气象数据,现有航空气象历史数据更多来自于民航地面气象观测,但这些传统历史气象数据有较大的局限性,大多数民航历史气象数据为站点数据、且时间空间分辨率较低,难以满足民航气象服务产品的需求发展。我国西南地区民航业发达,但地形复杂、气候复杂多变,通过动力降尺度方法模拟得到一套符合西南区域气候特征的高质量、精细化、高时空间分辨率的历史气象要素数据集对该地区航空气象服务发展有着至关重要的
在智慧民航的建设过程中,智能监控的建设意义重大,而机场场面航空器检测跟踪技术是机场智能监控的基础,应用前景广阔。基于深度学习的检测跟踪技术相较于传统检测跟踪技术性能更为优良,在很多领域都取得不错成效。在民航领域,由于机场场面交通状况复杂、光照条件多变、建筑物遮挡等原因,当前仍存在检测精确率低、遮挡航空器的检测效果差等问题。针对这些问题,本文对机场场面航空器检测跟踪技术进行研究。为提升机场场面航空器
随着民航业务飞速发展,飞机的起降次数逐渐增加,机场跑道每天承载着数以百计甚至千计架次的飞机起降。而超负荷运行、天气、温差、地下水位、雷击等因素可能会对跑道造成损坏,导致出现裂缝,从而威胁到飞机的起降、滑行安全。因此,对于跑道裂缝的检测逐渐被重视。基于深度学习的目标检测算法能够对目标进行实时检测,能为智能化裂缝检测提供可行之法。针对人工巡检耗时耗力,传统的图像识别方法实时性不够等问题,本文结合深度学
随着我国的航空业快速发展,飞机的安全起落和机场的有序运行需求不断地增加。而客观、准确的机场能见度测定由于能为其提供重要的数据支撑,因此对于机场能见度的测定越发被重视。机器视觉作为人眼的自动化替代输入,能够作为实现机场能见度的自动化测定的重要一环。针对近年来的对于基于机器视觉的机场能见度的测定算法的特征信息提取较少和视频的时域信息未利用等不足,本文结合深度学习的相关知识,提出了一种能够提取能见度图像
随着单层的氮基合金涂层如TiN、TiC等涂层难以满足现代工业领域对涂层材料的性能要求,交替沉积单层膜制备氮基合金涂层成为现如今强化涂层强度的主流手段。其中Ti2AlN三元氮基合金材料具有良好的韧性和耐高温性能,是增强TiN材料基体强度的良好材料。因此TiN/Ti2AlN氮基合金多层膜涂层近年来受到了较多的关注,界面的结合强度直接决定了TiN/Ti2AlN氮基合金多层膜涂层功能和特性,但界面结合方式
电弧熔丝增材制造是一种将增材制造原理和焊接技术相结合以近净成形金属零件的新型智能制造技术,因其设备简单、成本较低、适用于制造大型零件等特点,受到了汽车、航空航天等行业的高度关注。高沉积速率是该工艺的主要优点,但这种优点的代价是大量的热输入,对电弧增材制造零件的表面质量和力学性能产生直接影响。然而,目前针对表面质量的系统性评价方法及热输入影响作用的研究较少,评价成形质量时具有的主观误差较大,不利于进
视频监视技术及深度学习技术为建设智慧民航提供了坚实的理论基础和技术条件,机场视频场面监视系统是智慧机场场面运行监控的重要组成部分。实现对机场活动目标更加精准的识别是今后机场场面视频监视系统的发展方向之一,但目前实际场景应用中,机场场面视频监视系统的功能以实现目标检测和跟踪为主,缺乏对活动目标具体类型精准识别的相关研究。目前以深度卷积神经网络和Transformer为主的深度学习方法在图像识别与分类