基于GPRS和GPS的汽车防盗系统设计

介绍一种基于GPRS和GPS技术的汽车防盗系统设计.该系统使用了GSM、GPRS和微控制器系统,实现了车身振动监测、智能判断及短消息报警等功能,克服了传统车载防盗系统可靠性低、误报率高的缺点,取得了良好的效果.     

射频EAS系统的关键技术

针对普通射频EAS系统检测灵敏度低、误报率高的缺陷,采用了窄带方式提高射频EAS系统的信噪比和抗干扰能力,提出了几个硬件关键技术,给出了各个关键技术的硬件方框图。关键技术包括锁相接收技术、梳状滤波技术、滑动基准技术和瞬态脉冲吸收技术。经过实验测试,这几个关键技术能提高EAS系统的检测灵敏度并使误报率有显著的改善。     

社区异常行为智能识别防盗报警系统仿真

当前社区智能识别防盗报警系统采用广角视频人工识别异常行为,不能实时对社区异常行为进行监控和报警,存在报警误报率较高、报警延时较长、准确率较低等问题。针对上述问题,提出基于社区异常行为智能识别防盗报警系统,介绍了智能识别防盗报警系统的总体架构,包括图像采集模块、异常行为检测模块、远程监控模块、防盗报警模块四部分组成,并结合运动目标颜色特征的粒子滤波算法实现了对社区异常行为实时监控和实时报警。实验结果表明,所设计的智能识别防盗报警系统,报警误报率较低、报警延时较短、准确率较高。     

基于ARM Cortex-M3的声磁商品电子防盗系统设计

针对普通EAS系统存在抗干扰性能差、检测灵敏度低、检测范围小、误报率高等缺点,设计了一种基于ARM Cortex-M3的声磁EAS系统。本文介绍了声磁EAS系统的工作原理和硬件结构框图,分析了声磁标签信号在时域和频域上的特征,提出了FFT信号频谱分析、信号互相关、最小二乘法拟合直线求取斜率、计算信号峰值数及峰值方差运算等多种检测声磁标签信号的算法,并详细描述了系统软件算法的设计。实验验证,本系统具有抗干扰性能强、检测灵敏度高、检测范围宽、误报率低等特点。     

基于SOM网络的智能入侵检测系统

随着网络技术的不断发展,入侵检测技术作为安全防护的重要手段,显得日益重要.针对现有入侵检测系统识别率低、误报率高的问题,将SOM神经网络结合Agent技术应用到入侵检测系统.结合模糊逻辑的思想对SOM网络的学习算法进行了模糊化改进,利用SOM网络的自组织特性对网络数据流量强度进行建模和聚类;使用Agent技术进行实时监控网络环境的安全状况、入侵企图的识别等.提出一个基于自组织神经网络的智能入侵检测模型,描述了模型体系结构及其工作流程.通过实验进行仿真,实验证明系统有较好的识别率和较低的误报率.     

传统NIDS漏报和误报起因及改进技术

传统的网络入侵检测系统大都采用模式匹配的方法进行入侵检测,有着非常高的漏报率和误报率。本文通过对模式匹配算法检测过程的描述,对其产生漏报和误报的原因进行了分析。针对模式匹配算法带来的高漏报率和误报率,引入了协议分析的方法。协议分析方法通过辨别数据包的协议类型,然后使用相应的数据分析程序进行检测。这种方法可以大幅度地降低漏报率和误报率,大大地提高了入侵检测系统的效率。     

基于智能化和协同技术的入侵检测研究

针对入侵检测技术中存在的误报率、漏报率高,检测算法众多,响应方式被动等问题,提出了一种基于协作的智能化的入侵检测技术,该技术充分结合一些入侵检测算法的优点,取长补短,使入侵检测系统的检测性能达到最优,并且在响应方面联合多种安全技术与安全工具,变被动为主动,形成一个检测与响应并重的协同联动的入侵检测系统.     

基于PSoC的汽车防盗报警系统设计

现在汽车报警装置普遍存在着误报率和无法有效通知车主的缺陷,为此,设计了一种基于可编程片上系统(PSoC)的汽车防盗报警系统。该系统利用PSoC作为主控芯片,实现了系统的单片化,减少了PCB面积,降低了成本;并且利用GSM网络可让车主及时获悉汽车安全状况;同时运用SC—1振动传感器,提高了汽车防盗报警系统的灵敏度。这些优点很好地解决了误报率和与车主通信的问题。经过实际模拟与测试,证明该系统性能稳定,颇具应用价值。     

基于异常的终端级入侵检测

入侵检测技术作为计算机防护的主要技术手段, 因具有适应性强、能识别新型攻击的优点而被广泛研究, 然而识别率和误报率难以保证是该技术的主要瓶颈. 为了提升异常检测技术的识别率并降低误报率, 提出了一种终端级入侵检测算法(terminal-level intrusion detection algorithm, TL-IDA). 在数据预处理阶段把终端日志切割成连续的小块命令序列, 并引入统计学的常用指标为命令序列构建特征向量, 再使用TL-IDA算法通过特征向量对用户建模. 在此基础上, 还提出了一种滑动窗口判别法, 用于判断系统是否遭受攻击, 从而提升入侵检测算法的性能. 实验结果表明, TL-IDA算法的平均识别率和误报率分别达到了83%和15%, 优于同类的基于异常技术的终端级入侵检测算法ADMIT、隐马尔可夫模型法等.     

一种智能型振动报警传感器的设计

针对目前机动车振动报警传感器灵敏度不可自动调整的缺点,设计了一种利用单片机自动调整报警阈值的振动报警传感器.该设计中采用ADXL202加速度传感器作为检测元件,单片机通过分析检测的数据自动调整报警阈值,并决定是否发出报警信号.采用该设计的机动车防盗报警器能有效的降低误报率.