基于框架理论的防误系统可移植性提高方法

在线式微机防误系统存在可移植性不高的缺陷,导致其在国内电力系统推广缓慢。为此,提出一种基于框架理论的可移植性提高方法,采用框架表示法描述微机防误系统的设备与逻辑参数,构建一个易修改、移植的框架网络数据结构模型,并对其进行优化与改进。通过框架理论与面向对象语言VisualC＋＋的融合,实现基于该结构的微机防误系统软件。实验结果表明,该方法使搜索时间缩短为3．9S,搜索准确率提高到99．5％,能提升知识在计算机中存储、检索、使用和修改的效率,节省微机防误系统移植的时间。     

基于规则库优化算法的网络入侵检测系统研究与应用

为克服通用入侵检测框架模型(GIDF)及其各组成部分在设计和实现中存在的弱点,在对一个开放性入侵检测系统软件Snort进行分析的基础上,提出增加宽度搜索与动态选项链表相结合的规则匹配操作优化算法;实验表明,改进后的系统通过增加宽度搜索提高了选项匹配的并行性;通过采用动态选项链表优化了规则匹配的顺序,缩短了深度搜索的深度,从而从整体上切实提高了Snort的检测速度.     

改进BM算法及其在网络入侵检测中的应用

传统BM算法存在一些无用的比较,影响了字符串的匹配速度,降低了入侵检测效率。为此,提出一种改进BM算法,并将其用于网络入侵检测系统的检测引擎中。实验结果表明,较采用BM算法的Snort检测器,改进BM算法构建的网络入侵检测系统可有效降低误报率和漏报率,提高入侵检测率与时间利用率。显然,这对提升网络入侵检测系统的整体能力非常有用。     

入侵检测系统中模式匹配算法的改进

入侵检测系统作为防火墙的合理补充,已经发展成为网络安全体系中的一个关键性组件.网络技术的飞速发展给入侵检测系统提出新的挑战,需要通过各种途径来提高系统性能,而模式匹配算法的优劣直接影响到入侵检测系统的核心模块——规则匹配模块的运行效率.通过对原有BM算法的深入分析,从如何增大模式不匹配时的滑动距离这一点出发,对BM算法进行改进与实现,并通过实验证明该方法提高了匹配效率.     

网络安全系统中的快速规则匹配

随着网络攻击的增多,各类安全系统被广泛应用,其关键和核心是规则匹配.加速规则匹配可以提高系统性能,使其适应更高速网络和更严格环境.介绍和分析了现有的两种主要规则匹配算法:布尔表达式树和有向无环控制流图,提出了一种快速规则匹配算法.该算法先对有向无环控制流图进行等价变换,再在此基础上进行概率优化和改进,通过调整规则内部的逻辑表示结构,使得规则的结构转换速度和计算速度都得到明显的提高.经过测试比较,该算法能有效缩短匹配时间,改善系统性能.     

快速视差范围估计算法及其应用

视差范围估计在立体匹配中非常重要,准确的视差范围能提高立体匹配的精度和速度.为此提出一种基于匹配代价搜索和图像细分的快速视差范围估计算法.该算法将输入图像均匀分成多个图像块,采用匹配代价搜索计算每一图像块的视差,找到视差最大(最小)的图像块,并利用迭代细分规则将该图像块继续分成更小的子块,直至得到稳定的最大(最小)视差;利用匹配代价图对图像块进行可靠性检测,以解决弱纹理块容易误匹配的问题.实验结果表明,文中算法在保持97.3%的平均命中率的同时将立体匹配的平均搜索空间降低了27.7%,比采用传统算法可以得到更准确的视差范围;将该算法应用于立体匹配算法中降低了其平均误匹配率,并将计算时间缩短了20%~45%.     

改进FAST-SURF算法在卷烟包件识别定位中的应用

在智能卷烟包件码垛系统中抓取目标物体前需要快速而准确地对其进行识别与定位。而传统的SURF方法在进行特征点检测时时间较长。因此,提出一种基于改进的FAST-SURF算法的双目目标匹配定位方法。将FAST算法检测特征点的检测像素个数由16个降为12个,利用FLANN算法搜索待匹配特征点,缩短搜索匹配时间,然后用改进RANSAC算法剔除误匹配对,根据图像匹配的结果与标定得到的内外参以及匹配特征点近似均匀分布的规律,将所有特征点的三维坐标进行平均运算,得到近似形心坐标。实验中,确定了合适的阈值,证明了该方法在卷烟包件识别定位的速度和正确率上都有一定提高且具有更好的鲁棒性。     

提高Snort规则匹配速度的新方法

对于基于特征的开源入侵检测系统Snort来说,如何提高规则匹配速度以适应高速网络的发展是关键。对Snort的规则匹配算法以及现有的两种著名的匹配算法BMH与BMHS算法进行比较分析,提出一种简单实用、易于理解的规则匹配改进算法。该算法通过减少模式串的移动次数以及增加最大移动距离m+1的出现次数来减少规则匹配所需要的时间,进而提高了Snort 规则匹配速度。实验测试结果表明该算法能够有效地提高Snort的规则匹配速度。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

一种快速的基于BM模式匹配的改进算法

模式匹配算法是入侵检测系统(IDS) 中非常重要的一种算法. 在研究和分析几种常用模式匹配算法的基础 上, 提出一种快速的基于BM(Boyer-Moore) 模式匹配的改进算法—–IBM 算法. 该算法充分利用模式串的末字符和 末字符所对应的文本串的后两字符的唯一性, 同时参考文本串本身的信息来提高模式串的移动量, 使得每次失配后, 在保证不丢失匹配成功可能性的前提下尽可能多地向后跳跃. 实验结果表明, 该算法相比其他模式匹配算法, 在检测 性能和匹配效率上均具有很大优势, 并且能够有效地提高IDS 的检测效率和性能.

     

对BM模式匹配算法的一种改进

模式匹配在入侵检测系统中有着广泛的应用。在对BM以及相关算法分析的基础上,提出了一种基于BM算法的改进算法。该算法同时运用BMH和BMHS算法的思想对模式进行移动,并利用了模式串末字符与首字符的组合性,缩短了比较过程,有效地减少了匹配过程中的字符比较次数。实验证明,该算法具有高的匹配效率。     

入侵检测系统中高效模式匹配算法的研究

基于特征匹配的网络入侵检测系统的性能主要受模式匹配算法的影响。文章在对流行的网络入侵检测系统snort深入剖析的基础上，侧重研究如何利用各种高效模式匹配算法来优化snort的性能。重点介绍了一种基于BM思想的多模式匹配算法——SSPBM算法，结果表明采用SSPBM算法可以较大提高网络入侵检测系统的检测性能。     

基于特征值的多模式匹配算法及硬件实现

针对当前各种模式匹配算法处理速率缓慢,无法满足高速网络入侵检测需求的现状,文章首次提出了一种全新的基于特征值的多模式匹配算法。该算法运用两次匹配的思想,并且由简单硬件实现,解决了多模式匹配算法很难用硬件实现的难题,大幅度地提高了系统的匹配速率。通过实验验证该算法完全可以满足高速网络中入侵检测、文本搜索、病毒扫描、信息查询等数据处理的要求。     

网络信息两层过滤系统的设计

随着Internet的普及和应用,网络应用在人们生活中占据越来越大的比重,对网络中的信息进行实时过滤,具有十分重要的意义。本文对贪婪随机自适应算法(GRASP)进行扩展,得到基于权值的贪婪随机自适应算法(WGRASP),利用WGRASP、多模式匹配分类、支持向量机等算法构造了一个网络信息两层过滤系统。该系统能自动获取一个优良的非法关键词集合,且对网络信息的过滤具有较高的过滤速度和文本识别查准率、查全率。     

模式匹配算法的研究与改进

随着网络的迅速发展，网络安全问题日益突出，入侵检测技术也成为当今社会关注的焦点。对于基于规则的入侵检测来说，模式匹配算法非常重要，它直接影响到系统的准确性和实时性能。本文介绍了KMP和BM算法，对BM算法的改进进行了研究，并提出一种改进的BM算法。改进后的算法运用到入侵检测系统模型中极大地提高了检测性能。     

模式匹配算法的研究与改进

随着网络的迅速发展,网络安全问题日益突出,入侵检测技术也成为当今社会关注的焦点。在基于规则的入侵检测系统中,模式匹配算法非常重要,它直接影响到系统的准确性和实时性能。介绍了BM算法和BMH算法,对BM算法的改进进行了研究,并提出一种改进的BM算法。改进后的算法运用到入侵检测系统中极大地提高了系统的检测性能。     

Block matching algorithm for motion estimation based on Artificial Bee Colony (ABC)

Block matching (BM) motion estimation plays a very important role in video coding. In a BM approach, image frames in a video sequence are divided into blocks. For each block in the current frame, the best matching block is identified inside a region of the previous frame, aiming to minimize the sum of absolute differences (SAD). Unfortunately, the SAD evaluation is computationally expensive and represents the most consuming operation in the BM process. Therefore, BM motion estimation can be approached as an optimization problem, where the goal is to find the best matching block within a search space. The simplest available BM method is the full search algorithm (FSA) which finds the most accurate motion vector through an exhaustive computation of SAD values for all elements of the search window. Recently, several fast BM algorithms have been proposed to reduce the number of SAD operations by calculating only a fixed subset of search locations at the price of poor accuracy. In this paper, a new algorithm based on Artificial Bee Colony (ABC) optimization is proposed to reduce the number of search locations in the BM process. In our algorithm, the computation of search locations is drastically reduced by considering a fitness calculation strategy which indicates when it is feasible to calculate or only estimate new search locations. Since the proposed algorithm does not consider any fixed search pattern or any other movement assumption as most of other BM approaches do, a high probability for finding the true minimum (accurate motion vector) is expected. Conducted simulations show that the proposed method achieves the best balance over other fast BM algorithms, in terms of both estimation accuracy and computational cost.     

一种改进的SIFT特征反向匹配算法

对SIFT算法进行研究,根据目前在倒车辅助系统中立体匹配技术的应用,对该算法进行改进,为了解决高维空间搜索问题,在获得的特征向量匹配对上加入外极线约束条件,将搜索空间从二维图像降为一维的线性搜索,缩短匹配时间,降低了计算的复杂度,同时针对阈值增大,匹配数目增多,同时错误率增高的情况,对特征点进行反向匹配,进一步提高图像匹配的准确率。