非确定性MIMO系统的K-Best检测算法研究

研究无线信道优化问题,由于非确定性MIMO系统的信道矩阵行不满秩特性,导致MMSE-GDFE左预处理后引入了强干扰,使得传统K-Best算法产生了误码平层效应.为了消除误码平层效应,提出部分最大似然和K-Best结合算法,并在初始检测的强干扰区域利用部分最大似然算法获得局部最优解,降低强干扰对系统的影响消除误码平层效应,进而在局部最优解的基础上利用K-Best算法完成剩余符号的检测.保证MIMO检测器的软输出特性.仿真结果表明算法消除了传统K-Best算法中的误码平层效应,保证了检测的可靠性.     

基于免疫网络的异态电磁信号监测模型

针对人工免疫系统运用于信号密度适中的日常异态信号监测时,系统对检测器数量要求过高的问题,本文对现有的模型进行了改进,提出了基于免疫网络的异态电磁信号监测模型。模型引入数据正向压缩和检测器相互抑制的机制,使得系统对检测器数量的要求明显降低。本文采用实际无线电监测数据对模型进行了检验,并与基于阴性选择的模型进行对比,验证了该模型在信号密度适中的日常监测中可大幅减少对检测器数量的要求,提高了监测效率。     

一种基于协议分析和免疫原理的网络入侵检测模型

通过对协议分析技术和生物免疫系统的理论分析,本文提出一种新的基于协议分析和免疫原理的网络入侵检测模型。该模型对检测器集合按照协议类型分类,生成相应的检测器子集,并设计一种新的检测器结构,对检测器进一步分类。每个子集中检测器独自进行变异、进化,整个检测器集合以子集为单位进行更新。在实际检测中,待检模式与相应的检测器子集匹配,从而能有效地提高检测速度,改进以往模型在这方面的不足。     

基于免疫和模糊模式识别的检测器生成模型

分析了在检测器生成过程中引入模糊模式识别的原因,提出了一种基于免疫原理和模糊模式识别的检测器生成模型,该模型的核心算法是基于隶属度的检测器选择算法.详细描述了该算法的算法流程和检测器对非我抗原集合隶属度的计算算法,并简述了初始检测器生成算法和分层检测策略.设计了仿真试验,并将实验结果同传统方法进行了比较,详述了仿真实验中各个参数选择的依据和理由,试验结果表明新模型呈现较高的检测率和低的误检率.     

改进的基于人工免疫的入侵检测模型

针对现有的基于人工免疫的网络入侵检测系统存在生成检测器效率不高,且记忆检测器无法很好地适应动态变化的网络环境等缺陷,在Kim小组提出的动态克隆选择算法DynamiCS的基础上进行改进,提出新型的网络入侵检测模型。该模型在基因库生成检测器的算法上进行改进,设计有效的基因变异重组算法,以期高效地产生更多的合格检测器;设计并采用改进的记忆检测器更新算法,以保证记忆检测器的活性。最后,对新模型进行了网络入侵检测仿真实验,验证了所提模型的可行性和有效性。     

压差驱动管道内检测器速度控制数学模型建立

管道内检测器的运行速度对于其缺陷检测精度有着重要的影响,目前国内外关于内检测器速度特性的分析多停留在数值模拟阶段,其结果无法完全为其速度控制方案提供理论依据。为了提高内检测器在管内作业时的检测精度以及效率,需保证管道内检测器运行速度稳定在一个合理范围内。为此分析了压差式管道内检测器的运动状态,根据运动方程对内检测器在管道内运动时所受的驱动力以及摩擦阻力进行了分析,并以此为根据建立了数学模型。之后通过实验对建立的模型进行了验证,得到内检测器速度与泄流开度之间的关系,并将实验数据与仿真值进行了比较,确定了所建模型的有效性。为今后设计压差式管道内检测器速度控制的算法提供了控制模型。     

基于SPIN的系统建模研究

模型检测由于其自动化程度高,是形式化验证领域最受欢迎的验证方式之一。要使用模型检测器,首先要对要验证的系统进行建模。本文阐述模型检测技术的基本原理,并采用SPIN模型检测器对Promela建模进行研究。最后给出一个简单的公交车运行模型,并对实验结果进行分析。     

疫苗独立机制的免疫入侵检测器模型研究

该模型将疫苗模块以独立的形式引入到免疫检测器模型中,通过信号控制疫苗接种模块与疫苗抽取模块的运作,对已有抗体的检测器中的记忆检测器集合动态提取成熟疫苗,注入需要接种检测器的成熟检测器集合中,使得不同检测器在运作过程中以疫苗作为媒介相互通信,随时共享抗体（检测器）,这样增加了检测器的灵活性。通过MATLBE仿真实验,对加入疫苗独立机制的检测器进行网络数据检测。结果显示,基于疫苗独立机制的免疫入侵检测器模型响应更快,检测率TP更高,误检率FP较低,证明该模型有更好的综合检测性能。     

一种线性时间检测器生成算法的改进算法

在介绍人工免疫系统基本概念的基础上,讨论了人工免疫系统中应用广泛的负选择模型。研究的重点是负选择模型中初始检测器集的生成算法,对线性检测器生成算法进行了改进。改进算法从两个方向分别构造数组C和C′,并做叉乘得到D数组,使产生的检测器能够匹配更多的“非我”字符串,去除冗余检测器缩小了检测器集的规模,包括算法的设计、性能分析和实验。理论分析与实验结果表明,改进算法降低了检测器规模,漏检概率P_f有较大下降。     

一种基于免疫学原理的入侵检测模型

通过对基于免疫原理的入侵检测相关技术的深入研究,提出了一个判断随机模式是否有漏洞的算法.对记忆检测器的冗余问题,借鉴免疫系统的变异原理,对记忆检测器集合进行了优化.在以上研究的基础上设计了一个新的入侵检测系统模型,模型中引入了检测器的亲和力成熟过程、记忆检测器变异以及非完全匹配规则,该模型具有分布性、自适应性以及轻负荷等优点.     

一种基于协议分析和免疫原理的入侵检测模型

通过对协议分析技术和免疫系统的理论分析,提出了一种基于协议分析和免疫原理的入侵检测模型。该模型对自我集按协议类型分类,并生成相应的成熟检测器模块。在实际检测中,待检模式按协议类型与相应的成熟检测器模块匹配,从而能有效地提高检测速度,改进了以往模型在这方面的不足。     

基于经典逻辑的安全协议模型检测方法

本文分别以安全协议模型检测器SATMC和ProVerif为例,介绍了基于经典逻辑的安全协议模型检测两种方法:SAT方法和归结方法,并简要地给出了我们设计实现的基于SAT方法的安全协议模型检测器JLU-PV.     

改进的人工免疫入侵检测模型

针对现有的人工免疫入侵检测系统存在的缺陷,在Hofmeyr的分布式人工免疫系统(ARTIS)基础上,提出了改进的人工免疫入侵检测模型。在改进模型中,用协议分析技术对免疫模块进行协同刺激,以提高记忆检测器和成熟检测器的质量,并降低检测器的规模;通过按协议生成和组织检测器,解决传统人工免疫系统检测效率低下的问题;采用基于权值的r-连续位匹配规则提高抗体和抗原匹配的准确度;同时协同刺激模块也能够在发生风暴型攻击时自动生成动态防火墙过滤规则,以提高在发生大规模攻击情况下的性能。最后,使用MIT Lincoln实验室的DARPA数据集对改进模型和ARTIS模型进行了模拟测试及对比分析,验证了所提模型的可行性和有效性。     

基于阈上随机共振现象的弱信号检测

为了说明当信号幅值处于系统阈值上时,噪声依然对信号起到增强作用,研究了加和网络模型中的随机共振现象,并且将该模型作为线性检测器的预处理器以构成非线性检测器,来进行对弱信号的检测研究。在搭建的非线性检测器中采用奈曼皮尔逊准则对信号做出判决。仿真结果表明:在加和网络模型中观察到了阈上随机共振现象,且非线性检测器的检测性能明显优于线性检测器。这为强噪声环境中提高弱信号检测问题开辟了一条新思路。     

基于广义高斯分布的水印信号检测

根据数字图像离散余弦变换域交流系数的广义高斯分布模型，对盲图像水印技术进行研究，并给出了水印检测器检测性能的理论分析结果。实验验证了图像水印检测理论的有效性以及本文的局部优化检测器性能的优良性。     

一种新的自适应网络入侵检测模型

在基于免疫模型的网络入侵检测中,因模型对自体的动态变化缺乏自适应性导致高的误报率和漏报率。为了提高网络入侵检测模型在动态环境下的自适应性,使模型能更好地应对不断变化的外部环境,提出了一种新的自适应网络入侵检测模型。模型中详细阐述了自体的演化,对现有否定选择模型中检测器生成存在问题进行了分析,提出新的检测器生成算法,随着自体的在线自动更正,检测器可以始终保持同步更新。结果表明该模型具有很好自适应性和动态性,可以对入侵行为进行有效的识别。     

基于免疫多Agent的网络监控系统模型研究

研究入侵检测问题,针对网络免疫系统检测器训练速度慢、网络系统自适应性差和阈值量化等问题,提出了免疫多Agent的网络监控系统模型.在模型中,首先以抗体激活阈值为度量对网络事务集进行自体、非自体分类和网络成熟检测器的生成;然后对成熟检测器通过克隆优选策略和检测器影响权重函数进行分布式网络系统的成熟检测器筛选与优化,依据免疫系统的初次耐受应答生成能够对非自体抗原进行识别的记忆检测器;最后利用记忆检测器对实时获取的网络系统窗口数据进行抗原识别.仿真结果表明,提出的算法具有较好的检测率和较低的误测率,同时有效的降低了检测器的训练时间.     

基于免疫识别的最小检测器生成模型

高效的检测器是入侵检测系统的核心和决定检测效率的关键,根据形态空间理论提出了最小检测器概念,建立了基于免疫识别的最小检测器生成模型。通过克隆选择、遗传变异以及进化算法生成有效检测器集合,利用改进的冗余优化算法生成最小检测器集合。理论结果表明了最小检测器的可行性和有效性,仿真结果表明,该模型具有较高的检测率和较低的误检率。     

免疫检测模型中检测器的激励响应机制研究

文章研究与借鉴免疫系统中B细胞的生成、演化和检测的过程，针对当前IDS免疫模型研究中存在的不足，提出了检测器在不同检测阶段中的演变形式和行为方式，并给出了检测器的异常触发、活化概率函数以及相互间激励或抑制的算法与机制，同时针对活化响应发生链式反应、检测器的识别域之间交迭覆盖以及检测器规模等问题，建立了优先权和率先活化机制．实验结果验证了检测器激励响应机制一方面实现了检测器动态更新和联想记忆的功能，另一方面摒弃了盲目地随机产生检测器的传统方式，提高了免疫检测模型的自学习和自适应的能力．     

基于PSO算法的神经网络集成入侵检测系统

在系统结构上提出了一种多检测器并行的智能机群入侵检测系统模型，系统中每一个检测器是一个神经网络集成分类检测器，由多个PC组成，以提高系统响应速度。采用两次粒子群优化算法选择性集成神经网络集，提高了神经网络集成检测器的预测精度。程序设计采用PVM并行方式实现。