基于Agent的分布式入侵检测系统模型

提出了一个基于Agent的分布式入侵检测系统模型框架.该模型提供了基于网络和基于主机入 侵检测部件的接口,为不同Agent的相互协作提供了条件.在分布式环境中,按照系统和网络的 异常使用模式的不同特征和环境差异,可利用不同的Agent进行检测,各Agent相互协作,检测 异常行为.该模型是一个开放的系统模型,具有很好的可扩充性,易于加入新的协作主机和入 侵检测Agent,也易于扩充新的入侵检测模式.它采用没有中心控制模块的并行Agent检测模式 ,各Agent之间的协作是通过它们之间的通信来完成的,各Ag     

使用Windows XP的网络自动诊断功能了解网络连接信息

Windows XP系统提供了网络自动诊断功能,使用“网络诊断”功能可以收集和显示关于计算机硬件和操作系统、Internet配置以及调制解调器和网卡配置的信息。该功能可以及时发现网络故障,以便快速解决网络故障。使用网络自动诊断功能的操作步骤如下：     

免疫Agents在网络故障诊断方法中的研究

针对传统的网络故障诊断方法普遍具有自适应差、误报率高等的不足,提出了一种结合免疫算法和agent技术的网络故障诊断方法。在分布式环境中,按照网络的不同特征和环境差异,利用不同功能、不同类别的agent进行故障诊断,同时各agent之间能够互相协作,彼此进行信息交流,和采集数据,从而对所获得的故障类型进行诊断。实验证明,该方法能够对网络故障类型进行有效的判定,对以后大型网络故障诊断是一个很好的借鉴。     

基于FPN推理的多Agent网络故障诊断系统的研究

多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.     

木马病毒分析及其检测方法研究

特洛依木马作为一种新型的计算机网络病毒,它比其它病毒所构成对网络环境中计算机信息资源的危害都要大。文章对木马病毒特点和所采用技术方法进行了归纳研究,详细介绍了木马病毒在植入、加载、隐蔽、反清除、信息采集和网络通信等六方面所采用的技术方法;在此基础上,提出了基于多Agent协作实现未知新木马病毒自动识别新方法。该方法利用驻留在局域网各机器监测Agent和网络监测Agent所收集的证据和初步判断,并由协作Agent对这些证据和初步判断进行融合印证并做出最终结论。初步实验结果表明,该方法可以有效发现冰河木马病毒和广外女生木马病毒。     

基于多Agent和数据融合的网络故障检测研究

在多Agent基础上提出了一种塔式网络故障检测结构,克服了集中式网络故障检测系统存在的诸多缺陷.这种基于最优分组原则建构的塔式结构与多Agent本身优点相结合,能够有效降低检测信息流量,保证网络的负载均衡和实时响应.同时,基于D-S证据理论设计Agent的思路,为网络故障检测提供了一种高效实用的新途径.     

一种多Agent合作诊断的冲突消解机制及应用

针对开放环境中多Agent合作诊断问题,本文提出了一种新的、基于TMS的冲突消解策略.在文中描述的信念知识表示基础上,研究了利用异构的Agent对同一对象进行诊断,以及诊断结果间冲突的类型和信念修正方法.该系统不同于简单的投票机制,既可以纠正错误的假设,提高诊断结果的可靠性,又可以实现知识库的一致性维护.同时也作了形式化的分析和描述.     

一种基于支持向量机的移动Agent网络故障管理模型

利用移动Agent来进行网络故障管理,能克服传统集中式网络故障管理所存在的问题.但网络故障的分析和诊断还是由单一的网管工作站来完成的,很容易造成整个系统对网管工作站的过分依赖,形成单一脆弱点.为了进一步增强管理的灵活性和智能性,引入支持向量机(SVM)技术,将SVM嵌入到移动Agent的推理模块之中,利用SVM的分析决策能力,使其能够在进行分布式故障检测的同时实现分布式故障诊断;进而提出基于支持向量机的移动Agent(SVM based mobile agent,SVMMA)的网络故障管理模型,并验证了它的有效性.     

基于移动Agent的网络故障检测研究

本文首先简单介绍了传统的基于SNMP网络故障管理缺陷,以及移动Agent的概念。随后,进一步分析了传统网络故障检测的缺陷,提出了一种基于移动Agent的故障检测模型,着重分析了其结构和功能。最后,进行了模拟实验。实验结果表明,基于移动Agent的网络故障检测系统与传统的网络故障检测系统相比具有更大的优越性。     

一种新的网络故障诊断方法--FTFD

通过对网络状态和故障指标进行形式化分析,提出一种基于模糊事件的故障检测方法（FTFD）,该方法通过建立状态检测函数,能将比较复杂、模糊性强的网络故障问题用精确的数学转换方法来解决,从而获得比较精确的结果．应用FTFD诊断网络故障不仅能有效降低漏报率和误报率,而且使实时故障诊断成为可能．原型系统证实了该方法的可行性,获得了在实时环境中网络故障诊断的技术效果．     

基于产生式规则的网络故障智能诊断修复系统

计算机网络日益复杂,网络故障带来的影响日趋严重,这对网络故障的诊断提出了更高的要求,需要向着自动化、智能化的方向发展．本论文研究提出,在专家与网络工程师的网络故障诊断及修复经验基础上,归纳形成基于产生式规则的故障知识,以规则推理机制来进行故障诊断,并自动生成修复方案;同时,通过SQLServer数据库的发布订阅服务,对故障知识进行共享机制设计,实现全网同型号设备的网络故障自动免疫功能．最终设计实现了一套网络故障智能诊断修复系统,达到了在无人干预情况下智能完成网络故障诊断和自动修复的工作．     

两种优化训练的FNN在船舶柴油机故障诊断中的性能研究

本文针对船舶柴油机故障诊断系统,基于遗传算法（genetic algorithm,GA）和蚁群优化算法（ant colony optimization algorithm,ACOA）构造了2种优化训练的模糊神经网络（fuzzy neural network,FNN）智能故障诊断模式,给出了该模糊神经网络智能故障诊断系统的结构及其参数选取方法,通过对船舶柴油机燃烧子系统的FNN模型结构权值和阈值优化训练的故障诊断仿真研究,对两种方式的性能进行对比研究,仿真测试结果表明,基于ACOA的诊断模型具有更好的故障诊断知识表达准确性和较快的收敛速度等特点,具有较好的应用前景。     

基于神经网络的实验台温度控制系统故障诊断研究

实验台温度控制系统工作的正常与否是决定煤自然发火实验成功与否的关键因素,故进行实验台温度控制系统的故障诊断至关重要。本文在构建温度数据采集处理系统的基础上,利用神经网络理论中的BP网络对温度控制系统进行故障诊断,构建三层BP网络结构,设定阈值,建立故障诊断软件,并采用MATLAB6.1进行实现。以实例说明BP网络具体训练结果,故障诊断效果较好,对实验台的正常运行具有较重要的指导作用。     

远程故障诊断维护系统数据传输策略的研究与实现

随着计算机网络通信及其相关技术的发展,远程故障诊断及维护技术逐渐成为故障诊断领域一个新的发展方向。及时、准确地传藉信息是诊断、处理现场故障的保障。根据特 种罐体焊接机故障远程诊断维护系统的需要,选择C／S模式网络体系结构;结合不同类型数据传输的特点,运用适当的方式,实现了数据实时、准确的传输。并通过系统的实际运行,证明了本远程故障诊断维护系统有良好的实用价值。     

基于自组织竞争人工神经网络的抽油系统故障诊断

抽油系统的故障诊断技术一直是采油工程的一个重要研究课题。本文将自组织竞争神经网络应用于抽油系统的故障诊断中来实现示功图的自动聚类。自组织竞争神经网络具有良好的可训练性和分类能力，理想的泛化性能，是一种快速有效的分类方法，可用于抽油系统故障的实时诊断。     

无线传感器网络中基于比较的簇节点故障诊断算法

针对无线传感器网络中簇节点故障失效问题,提出了一种新的采用一对多(one-to-many)通信方式,基于比较的簇节点故障诊断算法-CBCNFD(comparison-based cluster nodes fault diagnosis).分析了该算法中簇头对簇内节点集中控制的优化诊断过程,证明了算法的正确性.提出了网络拓扑固定和改变两种情况下的算法诊断模型.仿真结果表明,基于比较的簇节点故障诊断算法具有良好的诊断特性,系统开销也比基于比较的系统级故障诊断算法-CBSLFD(comparison-based system-level fault diagnosis)大为降低.     

一类基于神经网络非线性观测器的鲁棒故障检测和诊断

利用神经网络的非线性建模能力，对一类具有建模不确定项的非线性系统提出一种基于观测器的故障检测和诊断的方法。设计的观测器不仅能实现故障检测，而旦应用神经网络设计的故障估计器能在线估计系统中的故障向量。通过分析验证了该方法对系统中的建模误差和外部扰动具有良好的鲁棒性。仿真结果表明所提出的方法是有效的。     

基于神经网络的局域网故障诊断系统设计

为了实现准确有效地排除网络故障，根据局域网的特点，本文在分析现有计算机网络故障诊断方法不足的基础上，结合层次分类神经网络原理，提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统，该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能，可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真，结果表明故障诊断系统响应性能良好，故障误报率较低，具有一定的实用性。     

一种改进的神经网络机械故障诊断专家系统

针对传统BP神经网络训练中收敛速度较慢的缺点,提出一种基于L-M算法的神经网络应用于机械设备故障诊断的专家系统。论述了神经网络的专家系统结构,并以7216圆锥轴承试验研究为例,建立了基于该算法的故障诊断模型。仿真结果表明:该模型显著缩短了训练时间,具有较高的准确性。运用该神经网络专家系统进行机械故障诊断是有效的。     

Intelligent fault inference for rotating flexible rotors using Bayesian belief network

Flexible rotor is a crucial mechanical component of a diverse range of rotating machineries and its condition monitoring and fault diagnosis are of particular importance to the modern industry. In this paper, Bayesian belief network (BBN) is applied to the fault inference for rotating flexible rotors with attempt to enhance the reasoning capacity under conditions of uncertainty. A generalized three-layer configuration of BBN for the fault inference of rotating machinery is developed by fully incorporating human experts’ knowledge, machine faults and fault symptoms as well as machine running conditions. Compared with the Naive diagnosis network, the proposed topological structure of causalities takes account of more practical and complete diagnostic information in fault diagnosis. The network tallies well with the practical thinking of field experts in the whole processes of machine fault diagnosis. The applications of the proposed BBN network in the uncertainty inference of rotating flexible rotors show good agreements with our knowledge and practical experience of diagnosis.