基于特征耦合泛化的流量异常检测方法

针对现有流量异常检测模型中稀疏特征易被特征选择算法忽略的问题,提出一种基于特征耦合泛化(FCG)的流量异常检测方法。首先,采用DBSCAN密度聚类算法去除数据中的离群点,降低异常点对后续FCG算法的影响。其次,使用最大相关最小冗余(mRMR)算法对数据特征进行排序,选择对分类最具影响力的特征生成FCG算法中的类别区分特征(CDF),以增强分类能力。利用K最近邻(KNN)算法填补CDF中的缺失值,保持数据完整性。然后,将数据按照攻击类别分组,分别使用mRMR算法对特征进行排序,挑选每种攻击类别数据中具有实例区分能力的稀疏特征作为FCG算法中的实例区分特征(EDF)。利用两种特征在异常检测数据中的耦合程度和EDF的上层概念将EDF转化成更泛化的特征。最后,将经过处理的数据输入基于贝叶斯优化(Bayesian optimization, BO)参数的随机森林(RF)模型进行分类识别。通过在NSL-KDD数据集上进行仿真实验,准确率达到了91.79%,验证了所提方法具有较好的检测性能。     

基于小波包分解实时检测电机振动信号

小波包分解本身对信号的奇异点十分敏感，此特点可以用来跟踪电机振动速度信号。在虚拟仪器（VI）LabVIEW6．i平台上，基于小波包分解算法设计了VI程序，实现了电动机振动速度信号实时检测系统。Y630-10／1180型大型三相异步电动机的振动速度信号，实测效果优于P3562A动态信号分析仪的测量结果。结果表明，该方法是可行的和有效的。     

基于小波包分解实时检测电机振动信号

小波包分解本身对信号的奇异点十分敏感,此特点可以用来跟踪电机振动速度信号.在虚拟仪器(Ⅵ)LabVIEW 6.i平台上,基于小波包分解算法设计了Vl程序,实现了电动机振动速度信号实时检测系统.Y630-10/1180型大型三相异步电动机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果.结果表明,该方法是可行的和有效的.     

基于孤立森林评分扩展的流量异常检测方法

流量异常检测是一种有效识别网络攻击行为的技术。近年来,无监督方法在异常检测领域得到了广泛应用。针对现有流量数据间时序关系挖掘的需求与孤立森林随机选择特征属性进行样本划分的问题,本文提出一种基于孤立森林评分扩展的流量异常检测方法。首先,文章使用滑动窗口机制和信息熵特性,设计了网络流量的熵时序特征提取方法,集成至特征集执行显著特征筛选。然后,文章构建了孤立森林评分扩展模型,在节点样本划分时,利用特征集合迭代方法与特征重要性矩阵,综合集合中孤立树特征,为节点标记综合路径长度代替原路径长度,并计算更能表征样本分布的异常评分。最后,通过设定异常得分阈值判别样本是否异常。在公开数据集上的实验结果表明,文章提出的异常检测模型,相比其他方法有明显优势,具有良好的实时检测性能,误报率更低,可有效用于网络流量的异常检测中,对真实网络环境中攻击事件的识别具有重要意义。     

基于矩阵分解的电力监控系统局域网异常流量检测方法

当前的电力监控系统在各安全区的横向和纵向边界上部署了严密的安全防护策略。然而,在边界内部,局域网内各设备间的网络流量限制较少,局域网内部存在设备间的安全威胁。为了实现电力监控系统中网络内部安全事件的检测,本文提出了一种基于矩阵分解的电力监控系统内部恶意流量检测方案,通过对网络内部历史流量的采集和训练,得到正常流量模型,并以白名单的形式对网络内部流量实时检测。实验证明本文提出的检测方案具有对未知异常流量的检测能力和模型自适应迭代特点。     

基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测

为了约束输配电系统中存在的异常用电行为,文中提出一种基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测模型。提出异常用电模拟算法用于生成异常用电数据序列;利用长短期记忆网络构建特征提取网络,从用电数据中提取出不同的序列特征;以小波神经网络为核心构建模式映射网络,实现序列特征到用电模式的映射,完成异常用电模式检测。通过CER Smart Metering Project数据集测试,文章提出的异常用电检测模型与传统网络模型相比,具有更高的检出率、更低的误检率和更高的贝叶斯检出率。     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

基于小波包分解和VI检测开关电源传导干扰信号

小波包分解(WPD)不仅能检测非平稳信号的整次谐波，还能检测信号的非整次谐波，又因为小波变换本身对信号的奇异点十分敏感，这个特点可以用来跟踪开关电源传导干扰信号。在虚拟仪器(VI) LabVIEW 6.i平台上，基于小波包变换算法设计了VI程序，实现了开关电源传导干扰信号实时检测系统。经过信号处理，该系统还具有信噪分离、测量传导干扰功率谱、伴有噪声的原始振动波形和噪声波等测量功能。实测结果表明，该方法是可行的和有效的。     

基于滤波预处理的小波故障检测方法

现有的基于信号奇异性分析的故障检测方法不同程度地受到噪声的影响。提出了将电力信号滤除工频周期分量后,通过提取适当尺度上的小波模极大值点检测故障的方法。通过预处理滤除工频周期分量,消除了小波变换在信号峰值处的模极大值,从而避免了对故障的误判。小波变换将预处理信号中的故障分量和噪声分解在不同的尺度空间中,保证了故障特征的提取和算法的抗噪性能,简化了的Mallat信号奇异性检测方法,在降低算法计算量的同时,可保持故障的定位精度。仿真研究表明:故障定位准确,且对噪声不敏感,可推广应用到其他周期信号的分析中。     

采用小波分解和同步检波的电压闪变信号检测新方法

本文提出了一种新型同步检波器,用子带滤波器取代了传统同步检波器中的低通滤波器。在此基础上,提出了采用小波多分辨率信号分解和同步检波的电压闪变信号检测新方法。该方法不仅能够对电压闪变信号进行不失真地包络检波,而且能够精确地检测电压闪变信号的时间和包络信号的发量及其幅度。仿真实验结果表明,该方法具有良好的检测和时频分析性能,适用于突变的、非平稳的电压波动与闪变信号的检测。     

基于小波分析的电机故障振声诊断方法

小波分析能够将信号划分到不同频段内，而且在时一频两域都具有表征信号局部特征能力。基于小波分析的电机故障振声诊断方法，充分利用小波分析在处理急剧变化的高度不稳定信号时更加有效的优越性，在对电机振声故障暂态信号的多尺度分析基础上，有效的检测出故障及其类型，实现了电机故障的在线诊断，通过仿真结果验证了此方法的有效性。     

特征增强的改进LightGBM流量异常检测方法

针对机器学习在流量异常检测中存在选择特征过于依赖专家经验、原始特征表达能力不足、数据受噪声和离群点影响导致模型鲁棒性差以及处理非平衡海量高维数据时少数异常类检测率低等问题,提出一种特征增强的改进LightGBM(light gradient boosting machine)流量异常检测方法。首先,采用隔离森林(isolation forest, iForest)实现异常值处理,并利用异常值处理后的数据训练引入全局平均池化(global average pooling, GAP)的一维卷积去噪自编码器(convolutional denoising autoencoder, CDAE),间接地消除数据中的噪声,得到原始特征的低维增强表达。然后,采用自适应合成采样(adaptive synthetic, ADASYN)对异常值处理后的数据实现数据增强并运用训练完成的CDAE进行特征提取,将得到的低维特征作为LightGBM的输入,训练并进行贝叶斯参数寻优。最后,通过得到的CDAE+LightGBM组合模型实现对异常流量的精准分类。在NSL-KDD数据集上所提方法的五分类准确率和F1分数分别达到了87.80%和87.75%,能够有效提升检测精度,增强未知攻击的检测能力。在CICIDS2017场景数据集上的测试进一步验证了所提方法可行性,且优于与同类型的深度学习算法。     

采用小波包分析和拟同步检波的电压闪变信号检测新方法

提出了用小波包分析和拟同步检波的电压闪变信号检测新方法。该方法用软件来模拟硬件的同步检波,大大减少了投资成本;用小波包子带滤波器代替传统的低通滤波器,不仅能够对电压闪变信号进行不失真的包络检测,而且能够检测出电压闪变信号发生的时间、频率以及幅值。仿真结果表明,该方法对电压闪变信号检测和时频分析性能良好,特别适用于突变的、非平稳的电压波动与闪变信号的检测。     

超声导波管道缺陷检测的小波阈值去噪法

在超声导波管道缺陷无损检测中,回波信号在接收和处理过程中不可避免地会受到噪声的干扰,另外,超声导波在管道中传播时还存在频散现象,这会给管道缺陷的识别与特征提取带来不利影响。在有限元数值模拟条件下,采用小波分析的方法,利用Daubechies小波家族中的coif3作为小波函数,运用启发式阈值选取方法,对加有噪声的超声导波回波信号进行去噪,实验分析结果表明此方法提高了重构信号的信噪比,有效地抑制了超声导波回波信号中的噪声,在管道缺陷超声导波检测中,可为管道缺陷的识别与特征提取等提供方便。     

基于谐波小波的风力发电并网电压故障信号特征检测

针对风力发电并网对电网电能质量产生影响的问题，深入分析风力发电并网特点及故障特征，提出一种采用谐波小波降噪与时频联合分析相结合的风力发电并网电压故障信号特征提取方法，该方法解决了采用传统的傅里叶变换无法对非平稳电压故障测试信号进行分析处理的问题，充分利用谐波小波降噪技术对强噪声背景下的非平稳电压故障测试信号进行提纯降噪处理，再对降噪后的纯净信号进行时频联合分析，利用时频联合分析结果对风力发电并网电压故障进行精确定位，从而为故障穿越提供必要的参考决策，最后通过仿真和实验验证了该方法的有效性。     

高光谱图像异常目标检测研究进展

高光谱图像异常目标检测在国防军用和民用方面都具有重要的理论价值和应用前景,是当前遥感信息和图像处理处理研究领域中的一个热点研究问题。异常检测是在没有任何先验知识的条件下检测图像中出现的人为或异常地物目标。从高光谱异常检测理论入手,介绍了目前高光谱异常检测算法的研究进展和存在问题,最后对异常检测的发展做出了预测。     

基于相似性度量的磁异信号匹配检测算法

针对现有的磁异目标差值匹配检测算法在低信噪比下效果较差的问题,提出了一种基于相似性度量的匹配检测算法, 通过构建衡量序列局部相似性的函数对实时磁异信号和背景场信号进行匹配处理,再利用小波包去噪进一步提高信噪比,最后 将处理后的信号输入到 OBF 检测器中完成目标实时检测。 研究结果表明在虚警率为 0. 42%下当输入信号信噪比为-9 dB 时, 该算法的检测率仍在 90%左右,其在低信噪比下的检测效果明显优于差值匹配检测。     

基于小波变换的电力系统谐波分析

电力系统的谐波是影响电能质量的重要因素,本文论述了基于小波变换的谐波检测方法,将含谐波的电信号进行基于多分辨思想的正交小波变换,解决了时频同时局部化的问题,并提出单子带重构算法,改善了Mallat算法中的频率折叠问题。由于小波分析在时、频域内良好的局部性,使之在谐波的跟踪检测、进而抑制谐波对电力系统的不良影响方面具有十分重要的意义。     

船舶轨迹异常检测方法研究进展

近年来,异常检测技术在分析和利用船舶轨迹数据中扮演着越来越重要的角色,已经成为航海领域的一个热点研究方向。船舶轨迹的异常检测旨在利用相关的异常检测算法,研究船舶个体或群体的行为特征,发现隐藏在其中的船舶异常行为模式或船位。主要从船舶位置和行为方面分析了船舶异常行为的概念和分类,综述了船舶轨迹异常检测的方法,评述了各方法在船舶轨迹异常检测中应用的优点和不足,讨论了船舶轨迹异常检测存在的问题和面临的挑战。