不良数据检测与辨识算法的评估研究

针对算法评价的模糊性,提出一种基于模糊数学理论的算法综合评价模型,并用于状态估计中不良数据检测与辨识算法的综合评估。通过在不同系统配置条件下,对四种常用不良数据检测与辨识算法进行综合评估,比较出其优劣特性,验证了该评估系统的正确性,实现了算法评估中定性分析的定量化,为实际系统算法的选择提供了有效参考。     

基于IEC61850标准的变电站数字电能表计量系统研究

在计算机技术与网络技术高速发展的时代,跟随着IEC61850通信协议的不断完善,数字化变电站得到了快速的发展与广泛的推广,该文针对具有3路合并单元接入的变电站数字电能表计量系统进行了分析与研究,首先简要介绍了符合IEC61850标准的数字电能表计量体系结构,然后重点剖析了表计计量技术的实现机制,如何从驱动层接收数据帧,并使用滑动窗口技术对存在的采样点丢失现象采取线性插值补偿;而后将合法的数据帧进行解析,提取采样数据后进行正序整合;最后将收到的3路采样数据指针传送到计量层,由计量任务进行计量运算,最后总结了数字化变电站电能计量系统与传统计量系统相比的优势。     

基于GSA改进算法的电力系统不良数据的辨识研究

利用间隙统计算法(GSA)结合聚类分析,检测、辨识电力系统的不良数据,不同情况下的检测辨识仿真,证明了该方法的正确性。     

基于小波分析的电力信息通信过程不良数据辨识研究

传统的电力通信过程不良数据辨识方法的消噪能力较差,导致辨识效率较低。为此,本研究基于小波分析设计了新的电力信息通信过程不良数据辨识方法。根据小波变换的奇异性对电力信息通信过程进行局部奇异性检测,根据检测结果,结合神经网络算法区分正常数据和不良数据。然后采用软阈值和硬阈值去噪方法消除不良数据中的含噪信号,在计算噪声强度后,将某一尺度内的小波变换系数的平方由小到大排列,并计算似然估计向量,再根据向量中的最小值和最大值删除信号中的噪声部分。实验结果表明：该方法能够有效提高消噪能力、增强辨识效率。     

基于多维度特征的不良网站检测

目前主要是通过基于URL（Uniform Resource Locator）、关键词、图片等网页内容为特征的机器学习方法进行不良网站检测.但是,不良网站制作者也会通过更换URL,避免常见不良关键词的使用,对搜索爬虫隐藏图片等做法来规避检测,这使得基于内容的检测方法会有漏检的情况.为了更准确的检测出此类网站,本文提出了注册、解析方面的相关特征,并通过最主流的机器学习方法构建了检测模型.用模型预测新数据集,结果证明,基于解析和注册特征的检测方法可以有效的在网站集合中检测出前文提到的不良网站,并且对于一般不良也依然能够准确识别.本次研究为不良网站的检测研究提供了又一思路.     

基于分组码的结构性数据干扰检测方法

为对结构性数据的高效干扰进行检测,以线性分组码为研究对象,在经典能量检测算法的噪声模型中加入恶意干扰信号,推导二元假设模型中检验统计量的数学表达式。在此基础上,以虚警率与漏检率之和最小为准则,提出一种基于最优检测门限的能量检测算法。仿真结果表明,该算法在低干信比条件下依然能够检测出高效干扰,且检测概率高于基于CFAR门限理论的检测算法。     

基于Netflow的流量异常检测技术研究

网络安全成为全球关注的问题,网络信息评估成为网络安全技术问题的重中之重.目前,网络流量异常检测已成为网络信息技术评估的重要技术之一,文章对Neftlow的技术原理进行了全面分析,对基于Netflow的流量数据采集技术进行全面分析评价,并分析了数据采样及负载均衡技术.     

基于神经网络的无线传感器网络异常数据检测方法

传感器网络的异常数据检测对于环境监测具有十分重要的意义。基于BP神经网络模型和线性神经网络模型,分别提出了两种无线传感器网络异常数据检测方法。提出的方法在每个当前时刻通过最近的固定长度的历史数据集训练神经网络,来完成下一时刻的预报。通过神经网络的模型残差,确定概率为P的置信区间。当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常。为了比较和验证两种检测方法的性能,在Matlab环境下完成了仿真实验。实验结果表明,基于线性神经网络的异常数据检测方法的检测率(detection rate)达到了97.9%,误报率(false positive rate)不超过0.76%;基于BP神经网络的异常数据检测方法的检测率为96.7%,误报率不超过0.84%。     

基于运动特征的不良视频检测算法

提出了一种适用于流媒体中的不良视频检测算法.首先从MPEG压缩视频流中提取运动矢量,然后对运动矢量进行预处理,剔除噪声干扰,从而提取出不良视频中的运动特征,通过设定阈值实现整段视频的判别.实验表明,该算法识别率达到80%,鲁棒性较好,适用于各类不良视频的过滤与检测.     

基于YCgCr颜色空间的不良图像肤色检测

针对目前互联网图像内容过滤系统识别率低的情况,提出了一种基于YCgCr空间的不良图像肤色检测方法。首先检测图像中可能存在的人脸区域,利用人脸肤色像素来检测获得人体肤色,其次对不含人脸图像,则利用离线构建的肤色模型来实现肤色检测。实验结果证明,在不同光照以及复杂背景下,该算法能够较好地提高不良图像的肤色检测率和背景检测率。     

基于递归神经网络的智能电网虚假数据检测

虚假数据注入(FDI)攻击为智能电网的稳定运行带来了挑战,特别是虚假数据经过人为精心构造后,能够绕过电力系统中的常规错误数据检测技术,为电网安全运行带来了安全隐患.为此本文应用递归神经网络(RNN)来检测智能电网中的虚假数据攻击(FDI攻击).通过编写检测算法,基于IEEE-30总线系统以及从实际电网中获得的为期五年的...     

基于神经网络的电力负荷不良数据的清洗

电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正.由于ART2网络能够动态调整特征曲线以及支持向量数据描述法快速准确性,使得该清洗模型具有对不良数据进行动态清洗的功能,实例分析说明了该模型的高效性.     

短视频不良内容智能检测平台研究与设计

研究并设计了一个面向短视频不良内容的实时检测平台。该平台研究的核心在于分层筛选系统,通过基于短视频外围核心参数构建的深度学习筛选模型完成海量筛选,再将检测出的可疑不良短视频传递给基于深度学习的短视频内容识别引擎进行重点甄别,提出融合自然语言处理、计算机视觉、语音识别、机器学习等的短视频智能实时检测平台框架。     

SDN框架下不良数据计算机网络管理系统设计

近年来,随着互联网的飞速发展,网络信息交互量不断增大。各类不良网络交互信息数据充斥着网络交互空间,给网络社交秩序造成破坏。为此,一系列网络不良数据管理系统孕育而出。通过长期实践发现,传统不良数据计算机网络管理系统的管理方式存在不良数据动态检测性不强、不良信息数据内容识别度低、不良数据管理逻辑性差等问题。通过与SDN框架的优势相结合,提出SDN框架下不良数据计算机网络管理系统设计。采用NVR数据量交互模块、数据特征DNA内容识别算法与大数据统筹规划模块,对传统不良数据管理系统方式中存在的问题进行解决。通过实验证明,提出的SDN框架下不良数据计算机网络管理系统比传统的数据管理系统,在不良数据识别、检测、统计、管理等方面上具有绝对优势。     

无线协作中继网络多层不良数据辨识方法

针对传统方法没有对不良数据进行特征点提取,导致总体准确率低、召回率低和F1比值低的问题,提出无线协作中继网络多层不良数据辨识方法.利用决策树对传统数据传输通道进行优化,将不良数据平均分散到各个通道,在信号模型的基础上构建网络多层不良数据特征点提取模型,提取网络多层不良数据特征点.利用COPS算法对不良数据特征向量进行聚...     

云数据安全风险检测研究

近年来,随着我国的云平台的大力发展,云平台计算能力越来越强,云数据的存储量也越来越大.但是值得注意的是,科学技术进步的同时也为数据安全带来了新的威胁与挑战.由于云平台的用户间有着大量的数据交互,因此这个过程中必然存在一系列的安全风险问题,本文主要分析云数据安全风险现状以及风险检测方法,探讨如何有效地规避云数据风险,保障...     

基于多元线性回归分析的数据异常检测研究

异常检测是数据挖掘中的一个重要研究方向,主要用来发现数据集中的小模式。多元线性回归分析可以对数据进行定量的分析。本文采用多元线性回归算法对ETC客户数据进行异常检测分析。分析得到的异常用户数据可以提供给相关决策人员进行重点监控,以减少客户欺诈行为的发生。     

入侵检测系统的数据标准化应用研究

在分析入侵检测系统原理及通用入侵检测框架（CIDF）的基础上，按照CIDF的结构要求，设计了基于CIDF的入侵检测系统原型。在系统实现的内部机制上，采用链表的形式保存各类事件的完整信息并按CIDF的要求进行检测数据的标准化，为系统构件共享信息提供高效、准确的保证。结合实践，指出了用语义标识符SID扩充以适应异常检测方面的问题。     

一种基于声誉的不良网页协作检测机制

大量不良网页的出现威胁了互联网安全。为了检测不良网页，提出了一种基于声誉的协作检测机制，WebShield。用户对网页评分，服务器汇聚用户评分得到网页的综合评分，并依此检测不良网页。设计了一种基于贡献的声誉模型，通过用户声誉加强评分汇聚的准确性和鲁棒性。模拟表明，WebShield对不良网页的检测效率较高、对恶意用户的抵抗性较好。