【摘 要】
：
为了解决在实际网络环境中用户实体行为访问异常的快速检测问题,主要是主机间访问异常分组问题,提出一种针对IPv4主机之间访问数据相似性的改进Jaccard算法.基于对相关海量历史数据以IPv4子网的划分方式逐层学习,可在数据处理的早期就识别异常数据并快速获得异常分组模型,从而降低整体处理复杂度,实现对大规模网络数据的高速异常行为检测和分析方法.实验表明,与一般方法相较,此改良Jaccard算法具有良好的异常检测性能和实际运用价值.
【机 构】
：
国家电网安徽省电力有限公司信息通信分公司 安徽 合肥230009
论文部分内容阅读
为了解决在实际网络环境中用户实体行为访问异常的快速检测问题,主要是主机间访问异常分组问题,提出一种针对IPv4主机之间访问数据相似性的改进Jaccard算法.基于对相关海量历史数据以IPv4子网的划分方式逐层学习,可在数据处理的早期就识别异常数据并快速获得异常分组模型,从而降低整体处理复杂度,实现对大规模网络数据的高速异常行为检测和分析方法.实验表明,与一般方法相较,此改良Jaccard算法具有良好的异常检测性能和实际运用价值.
其他文献
为帮助数据持有者规避法律风险,有必要对数据集中的个人信息做检测和统计.然而当前尚缺有效工具支持检测中文数据集中的个人信息.为应对上述问题,根据法律文献整理出需要检测的个人信息类别,提出综合了模式匹配与自然语言处理技术的个人信息自动化检测框架,对中文文本中的个人信息进行检测.同时,提出一种识别家庭住址的方法,解决地址格式多样化的问题.以在线社交网络平台上的用户发布数据以及大规模的公开文本数据为例,展示该框架的可行性和有效性.
为了提高大数据中多模态信息的检索效果,提出一种基于深度神经网络的多模态信息检索算法.设计深度自编码器,将不同模态的数据投影到一个相同的广义子空间内;利用稀疏编码技术降低共同特征向量的维度,过滤冗余特征和噪声特征;通过去卷积操作和上采样操作对数据进行重建.基于公开模态识别数据集的实验结果表明,该算法能够有效地学习和泛化多模态数据,且在多模态检索实验中也表现出较好的性能.
设计一种PE格式恶意软件混淆对抗样本生成模型.利用深度强化学习算法,实现对恶意软件的自动混淆.通过加入历史帧和LSTM神经网络结构的方法使深度强化学习模型具有记忆性.对比实验表明,该恶意软件变种在基于机器学习的检测模型上的逃逸率高于现有研究,在由918个PE格式恶意软件组成的测试集上达到39.54％的逃逸率.
对某一汽车连杆工件WD-2的图像处理方法进行分析.考虑到需要在背景中有效识别该工件的特征,提出一种新的规则加入到图像滤波方法中.借助Halcon软件实现图像获取、去噪、边缘灰度最大化处理,以及特征提取.在现有文献中,基本是以单个规则对图像进行处理,无法满足对特定目标的特征识别要求.因此,提出一种结合两个规则的滤波方法.设置两组实验,一组采用单个规则方法,另外一组采用加入新规则的方法.将得到的效果图进行Imagetest软件评测以及识别率比较,加入新规则的方法得到了最理想的结果,从而验证了该方法更适用于处理
电力电缆早期故障严重威胁用电安全且难以准确识别,在基于特征提取与特征选择的识别方法中,一旦不能准确获得关键特征信息会直接导致识别精度下降.鉴于此,提出一种基于S变换特征提取和最大相关最小冗余(mRMR)特征选择的电缆早期故障识别方法.对故障相电流进行S变换,提取一些具有相关性、冗余性的统计量、熵和能量等构成初始特征集;采用mRMR选择出具有最佳分类效果的特征子集;利用带核函数的SVM分类器对多种电缆故障进行识别.仿真结果表明,在不同噪声环境下该方法在识别精度和鲁棒性方面都优于同类算法.
为了提高跨站脚本攻击的检测效率,利用一维DCNN快速处理时序问题的能力和GRU模型处理上下文具有长期依赖关系问题的能力,提出基于DCNN-GRU模型的XSS攻击检测方法.对原始数据做规范化处理,将数据转化为可以对深度学习网络模型进行输入的特征向量.通过卷积层和池化层处理特征向量,GRU层作为门控机制来保留代码间的依赖关系.通过全连接层实现归一化处理,利用Softmax分类器实现分类完成攻击检测.使用foxscheduler数据集进行对比实验,结果表明,DCNN-GRU模型与单一的DCNN、GRU、LSTM
针对幻影路由算法中源节点距离基站节点较近时安全周期低的问题,提出基于随机虚拟环的无线传感器网络源位置隐私保护算法.初始时由源节点随机产生一个以基站为中心的虚拟环,利用源节点到基站的直线方程和虚拟环方程确定预期幻影源节点,为选择幻影源节点提供依据;通过数据包在虚拟环上转发随机的角度,确定第二个幻影源节点.理论分析表明算法安全周期与通信开销呈正相关.仿真结果表明,该算法能有效诱导攻击者偏离真实路径,提高安全周期.
近几年卷积神经网络在单幅图像超分辨率重建工作中取得了很大的进步,但是大部分基于卷积神经网络(CNN)的单幅图像超分辨重建算法是建立在低分辨率图像由高分辨率图像通过双三次插值法下采样取得的前提下,当这个假设不成立时,图像重建的客观评价指标PSNR以及主观的视觉效果就会较差.针对此问题,提出一种基于高斯模糊的CNN的单幅图像超分辨率重建算法,通过在图像输入网络前,将原始低分辨率图像与高斯模糊核进行卷积,并进行低频信息融合以增强网络的泛化能力,使用亚像素卷积法把图像上采样到目标图像大小,进而消减网络的参数数量,
针对多无人机多类型作战任务分配问题,提出一种混沌自适应萤火虫优化算法.将全局历史最优值和自适应惯性权重引入位置公式,并采用自适应步长以加快收敛速度、提高精度.运用变尺度混沌方法改进光吸收强度系数防止其陷入局部最优解.将改进算法的应用效果与粒子群优化算法(PSO)和萤火虫算法(FA)对比,结果表明,该算法能够提升多无人机系统的协同作战响应速度和效率,其精确度相对提高了16.07％、11.12％,收敛速度提高了31.99％、24.79％.
提出一个新颖的车道变更模型,采用合作博弈方法激励车辆参与合作.首次将合作博弈理论应用到车道变更领域,设计用于两车变道的纳什讨价还价变道模型,然后扩展为三车的合作博弈变道模型,并求出变道模型的纳什讨价还价解和夏普利值.为了进一步激励车辆参与合作,在收益分配方案中加入支付补偿部分来实现整体收益的可转移性,从而取得模型的解.实验结果表明,采用合作博弈后车辆的整体收益得到了大幅增加,同时每个参与车辆的个人收益也增加了.