基于混沌PSO的计算机网络入侵实时监测方法

针对传统计算机网络入侵监测方法存在监测率较低、监测时间长的问题,提出基于混沌粒子群优化（Particle Swarm optimization,PSO）的计算机网络入侵实时监测方法。初始化不同粒子的位置和速度,对群体中的最优粒子执行混沌局部搜索并更新群体最优值,构建网络入侵监测模型,设置网络入侵优化的适应度函数,运用混沌算法计算最大重复搜索次数,获取全局最优位置,实现实时监测。实验结果表明,运用该方法的入侵监测率较高,监测时间较短,具有一定的实用性。     

基于云PSO 的RVM入侵检测

入侵检测可为计算机网络信息提供安全保障,在其方法研究中,由于相关向量机(RVM)具有高稀疏性且预测中使用概率因素,在网络入侵检测中优于支持向量机.然而RVM的核函数参数是经验估计的,为此,提出一种基于云模型的粒子群优化算法的RVM方法,即采用云粒子群算法确定RVM的核参数,构建RVM分类模型,再采用一对一分类方法进行多类检测分类.经入侵检测实验研究,所得结果表明所提出的方法优于基于常规相关向量机的检测方法,且具有更高的入侵检测精度.     

基于广域网的数据实时监测平台研究

分析了建立基于广域网的数据实时监测平台的必要性,介绍了系统组建过程中常用的技术和方法,并作了详细对比。通过实例说明系统的组建过程以及实现了那些功能。数据实时监测平台投运以来,不仅给生产过程高效运行提供了指导方案,而且为公司管理层提供了有力的决策依据,控制了投资风险。经实践证明该系统稳定可靠,具有较好的推广应用价值。     

大规模网络异常流量实时云监测平台研究

网络安全问题呈现出隐蔽性越发增强、攻击更加持久、杀伤力波及更广等特征。单一或少数的数据源很难发现更加隐蔽的异常事件,同时一些针对入侵检测的数据挖掘、神经网络、关联规则、决策分类的算法由于算法本身的原因,对于大规模的数据存在计算能力上的瓶颈。文章提出了一种基于大数据平台的大规模网络异常流量实时监测系统架构,并讨论了关键技术和方法。该平台将离线的批处理计算和实时的流式处理计算相结合,通过对流量、日志等网络安全大数据的分析,实现对于DDoS、蠕虫、扫描、密码探测等异常流量的实时监测。     

大规模容器云平台海量软件数据资源实时监控方法

为提高容器云资源监控效果,设计一种大规模容器云平台海量数据资源实时监控方法。首先采集容器云资源数据,对海量软件数据资源进行格式变换,将数据转换成有监督问题的时间序列,再采用统计模型的方式对每个数据资源进行建模和匹配,并对各部分软件数据资源进行分割,最后采用序列化蒙特卡洛方法对云平台海量软件数据资源实时监控。实验结果表明,设计方法能够准确监测出容器云中软件数据资源集群变化情况,在各个项目的监测上,监控准确率均在95%以上,监测速度较快,最多花费9 s就能够实现软件数据资源变化情况的监控,证明所提出方法能够有效提高容器云海量软件数据资源的监控效果。     

局域网恶意代码入侵过程的痕迹数据监测仿真

当前方法在监测局域网恶意代码入侵过程的痕迹数据时,由于受提取的数据特征数目影响导致监测准确率和监测率不高。提出基于人工生物免疫的局域网恶意代码入侵痕迹数据监测方法,采用加权处理的信息增益特征提取方法提取局域网恶意代码入侵过程的痕迹数据信息增益和特征频率。将提取的数据特征编码后存储在云空间中,通过模拟人工生物免疫过程,生成局域网恶意代码入侵痕迹数据特征监测装置集合,通过调节克隆系数和增加柯西变异步长因子对监测装置集合做优化处理生成新的监测装置,利用该装置和加权评分法判断局域网未知数据样本的恶意系数,根据其与恶意系数阈值大小判定样本中是否含有恶意代码入侵痕迹数据。实验结果表明,所提方法具有较高的监测准确率和监测率,且在提取特征数目小于800个时监测效果最佳。     

基于IaaS云平台的无线传感网实时监测系统

本文基于中科大IaaS云平台设计并实现了一种无线传感网实时监测系统.利用6LoWPAN建立可自组网的无线传感器网络,系统中各个传感器节点将传感器采集的数据发送至汇聚节点,汇聚节点通过网络将数据传送至中科大云平台服务器中进行记录和分析.本文采用Nginx作为Web服务器,uWSGI应用服务器和Tornado应用服务器分别处理用户的非实时数据和实时数据请求.采用WebSocket技术实现实时数据的传输,提高了系统实时性.测试结果表明本文对构建可靠且可灵活部署的实时监测系统具有指导意义.     

南方电网云数据平台的架构设计方法

文章在综述中国南方电网目前信息化建设中存在的若干问题的基础上,重点分析了其数据平台在IAAS、PAAS及SAAS层面的需求,以及运行于该云数据平台之上的主要试点应用,提出了云数据平台IAAS、PAAS及SAAS层面的总体设计架构,并分析了其特点和优势。     

卫星实时监测通用软件平台的设计

设计并实现了一种基于SQL Server和配置文件系统的用于监测和保存卫星遥测数据的通用软件平台，可同时对多个型号卫星的遥测数据进行管理，每个型号的遥测数据可以由用户自定义，并用数据、曲线和文字等格式显示，根据需要还可进行历史数据回放和查询等。     

改进型粒子群算法及其在选址问题中的应用

为了解决基本粒子群算法不易跳出局部最优的问题,提出了一种协同粒子群优化算法。在算法中通过加入权值递减的惯性因子和变异算子以克服基本PSO易早熟、不易收敛以及缺乏多样性的不足。将算法应用于极小极大选址问题的实验结果表明,算法能够有效地求解极小极大选址问题,具有较好的应用价值。     

基于粒子群算法的多机无源定位系统优化布站

在一定海空战场背景下,通过调整多机无源定位系统中各机位置布局可以有效地提高该系统对特定区域目标的定位精度.文中通过推导多机时差定位算法误差的GDOP公式,提出了利用粒子群算法寻找多机无源定位系统最优布站的方法.与传统典型布站相比较显著降低了对区域目标定位误差,明显提升了多机无源定位动态快速布站能力.同时利用粒子群算法对...     

云计算环境下基于粒子群算法的多目标优化

为了优化资源的部署调度,需要考虑处理费用、传输费用,并提高云计算的性能.对云计算环境下特点进行了研究,把云计算环境下的数据部署和任务调度问题映射为处理交互图,对处理交互图进行分析、提出了多目标优化模型,并通过粒子群算法对多目标模型进行优化.仿真结果表明,该多目标优化模型和算法不但能优化处理时间、传输时间,也能优化处理费用和传输费用.     

一种基于云模型的改进型粒子群算法

针对经典粒子群算法在函数优化中易陷入局部最优和早熟收敛等缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种基于云模型的改进型粒子群算法。其思想是通过反向学习机制初始化种群,再通过正态云算子求解粒子群中的全局最优个体和自身最优个体周围的更优值,最后利用混沌理论对个别粒子进行变异来跳出局部最优解。典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优。     

基于粒子群算法的城市消防点选址研究

结合粒子群算法提出一个城市消防点选址问题的研究模型.该算法利用局部寻优能力对初始粒子进行优化,并利用粒子群优化算法进行全局寻优.     

多云工作流优化传输费用的数据布局策略

科学工作流应用是一种复杂且数据密集型的应用,常应用于结构生物学、高能物理学和神经学等涉及分布式数据源的学科。数据分散存储在基于互联网的云计算平台上,致使科学工作流在执行时伴随着大量的数据传输。云计算是一种按使用量付费的模式,数据传输产生传输费用,尤其在多个工作流相互协同的情况下,将产生更高的传输成本。该文从全局的角度建立基于多工作流数据依赖图的传输成本模型,研究基于二进制粒子群算法（BPSO）的数据布局优化策略,从而减少对云计算传输资源的租赁费用。     

复形法粒子群优化算法研究

针对基本粒子群优化算法对复杂函数优化时难以获得最优解的缺陷,提出了一种复形粒子群优化算法。该算法采用复形法来提高粒子的局部搜索能力,从而保证了算法能够跳出局部最优,获得全局最优解。实验结果表明,与文献算法相比,该算法在基准函数优化时具有更强的寻优能力和更高的搜索精度。     

基于用户满意度的任务调度策略磁

为了满足云环境中用户任务调度的不同需求,提出一种改进粒子群算法的任务调度策略。将用户对时间和费用的期望值作为动态适应度函数的加权值,同时在粒子群算法中引入遗传算法的交叉和变异操作,不仅避免了算法陷入局部最优还保持解的多样性,最终求出满足用户需求的任务调度。仿真实验结果表明,该策略能够减低任务的完成时间和执行费用,提高云计算服务质量,具有良好的实用性。     

基于粒子群算法的测井岩心深度自动归位研究

为解决传统岩心深度手动归位不准确、主观性强等缺点,提出了一种利用粒子群算法实现岩石物理实验数据深度自动归位的方法。基于同一深度的测井参数与岩心的物理试验数据具有相关性这一事实,以测井曲线深度为基准,寻找岩心深度全局位移最小、数值变化趋势对应性最好的优化算法。实验表明：用粒子群算法可以快速有效地实现以测井曲线深度为标准的岩心深度自动归位。     

基于大数据的智能电网状态远程监测方法

智能电网作为一种智能化电力传输载体,在电力供应环节发挥了重要作用,因此保证其正常运行具有重要的现实意义。当前智能电网状态远程监测多与智能算法相结合,通过智能算法完成状态评估,常见的智能算法有神经网络、决策树以及支持向量机等,但这三种算法应用下,空间复杂度与时间复杂度较大。针对上述问题,提出一种基于大数据的自适应免疫粒子群算法智能电网状态远程监测方法。方法首先利用量测工具对智能电网状态信息量进行采集,然后对采集到的信息量进行处理,包括数据清洗、数据去噪、数据消减、数据标准化,最后利用自适应免疫粒子群算法实现智能电网健康状况评估。结果表明:与神经网络、决策树以及支持向量机三种算法相比,自适应免疫粒子群算法运行下,产生的空间复杂度与时间复杂度最小,分别为247.7 byte和154 s。