实时的移动互联网攻击盲检测与分析算法

大规模移动互联网攻击检测算法需要攻击行为的先验信息或者需要对攻击行为进行监督学习,降低了攻击检测算法的实时性与实用性,为此提出了一种实时的移动互联网攻击盲检测与分析算法。首先,提取每个时段网络流量的最大特征值,结合最大特征值与模型阶数选择技术检测每个时段是否存在攻击行为;然后,通过特征值分析技术来识别攻击的类型,识别出特征值的变化细节;最终,设计了相似性分析方案来分析攻击的端口与时间等细节信息。基于真实实验与公开网络流量数据集的仿真结果表明,该算法获得较高的攻击检测准确率。     

移动扫描智能体在网络安全中的应用

为了保证网络系统的安全,本文提出了一种具有网络拓扑结构感应能力和行为自主性的软件智能体,即移动扫描智能体。重点阐述了如何设计和实现移动扫描智能体,并解释了移动扫描智能体系统中的部分程序。     

基于无人机的飞机机身快速检测系统

为了解决飞机机身快速检测问题,提高检测的效率和准确度,设计了一种利用无人机搭载检测设备对飞机机身进行检测的飞机机身结构快速检测系统。利用多旋翼无人机的优点,系统硬件采用了多层次、模块化的开放式结构设计,构造了一套通用的软件测试平台。整个系统分为移动机载控制平台和后端处理平台两个部分,能够实现图像的回传和检测过程的实时监控,并通过对采集的数据进行分析处理,得出最后的诊断结果和检测报告。最后,通过完成的系统对真实飞机检测,数据结果验证了系统的有效性,可以用于飞机的快速检测。     

基于移动代理的分布式入侵检测系统

本文在介绍了入侵检测技术的基础上,提出了移动代理技术,并在此基础上分析了移动代理技术的优点,并提出一种基于移动代理技术的入侵检测系统的模型。     

基于无线局域网的移动检测优化方案

移动检测对移动IPv6中切换时延有重要影响,对移动IPv6中的移动检测机制进行研究.提出了一种在IEEE 802.11无线局域网环境下移动IPv6的低时延检测方法.在不依靠链路1层触发的条件下,使用非均匀检测模型来减小切换检测产生的时延,降低了切换检测过程的开销.     

集成移动IP与移动Ad Hoc网络的移动检测算法

移动IP借助定期广播的代理通告完成移动检测。与移动IP原本应用的无线局域网环境不同,在移动AdHoc网络中频繁的广播会造成广播风暴。现有的集成移动IP与移动AdHoc网络的方案中提出了多种性能优化的方法,但都没有从根本上解决此问题。论文提出了一种基于局部存储信息的移动检测算法。该算法借助路由协议的Hello信令在邻居节点间传递移动管理信息,帮助移动主机实现移动检测,从而避免移动代理周期性地广播代理通告给网络造成的性能开销。仿真结果表明,基于Hello信令的移动检测算法可以改善网络中数据通讯的传输性能。实际的测试床实现检验了算法功能的完备性。     

一种基于线扫描相机的新型交通检测器

针对基于视频的交通检测器的检测精度和实时性难以提高的问题,提出了一种基于线扫描相机的新型交通检测器。该检测器通过两个相距2米的线扫描相机捕获移动车辆的俯视图像,采用小波变换算法进行图像背景更新和目标提取,运用目标投影曲线相关匹配的方法进行车辆速度估计,最终检测出经过检测断面所有车辆的个数和速度。实验结果表明,基于线扫描相机的交通检测器在车辆计数和车速估计方面的性能上均要优于传统的基于视频的交通检测器。     

基于移动Agent的分布式入侵检测系统设计与实现

分析了几种典型的分布式入侵检测系统模型,针对当前入侵检测系统的不足提出了一种基于移动Agent的分布式入侵检测系统模型,该系统将新型分布式处理技术移动Agent与入侵检测融为一体,实现了基于该模型的分布式入侵检测系统,并提出了进一步的研究方向。     

802.11网络中一种基于替代扫描的快速切换算法

充分挖掘网络资源的潜力,提出一种基于替代扫描的快速切换算法（substituted scan-based fast hand-off,SSBFH）。其核心思想是为WLAN中的移动设备维护一张可替代收集切换信息的移动设备信息表,当移动设备需要切换且处于数据交换时,可以利用该表选择合适的移动设备代替其完成大部分切换工作,不但缩短需要切换的移动设备的切换时间,而且保证正在进行的数据服务质量。从实验结果看出,SSBFH算法较标准的802.11切换算法,缩短切换时间,优化切换性能。     

基于移动agent的分布式入侵检测系统研究*

为了提高现有分布式入侵检测系统的效率和性能,提出了一种基于移动agent的分布式入侵检测系统模型。将移动agent技术应用于入侵检测中,并给出了其移动agent间的可靠通信方法,实现了agent的协同检测。实验结果表明,由于移动agent的应用,入侵检测系统的节点成为了可移动的部件,从而使该模型具有了更强的抗攻击性和入侵检测能力。     

移动社交网络异常签到在线检测算法

随着智能手机、Pad等智能移动设备的广泛普及,移动社交网络的应用得到了快速发展。本文针对移动社交网络中用户异常签到位置检测问题,提出了一类基于用户移动行为特征的异常签到在线检测方法。首先,在基于距离的异常模型基础上,提出了基于历史位置（H-Outlier）和基于好友圈（F-Outlier）两种异常签到模型;然后,针对H-Outlier提出了一种优化的检测算法H-Opt,利用所提的签到状态模型与优化的邻居搜索机制降低检测时间;针对F-Outlier提出了一种基于触发的优化检测算法F-Opt,将连续的在线异常检测转化成了基于触发的异常检测方式;最后,在真实的移动社交网络用户签到数据集上,验证了所提算法的有效性。实验结果显示,F-Opt显著降低了H-Opt的异常检测错误率;同时,相比于LUE算法,F-Opt和H-Opt的效率分别平均提升了2.34倍和2.45倍。     

基于视觉的移动设备屏幕提取与规范化方法

为了解决照片中移动设备屏幕图像的获取问题,提出了一种基于视觉的移动设备屏幕图像提取与规范化方法。首先使用轮廓识别算法对原始图像进行边缘检测,获得包含设备和手部的轮廓;其次,通过种子填充法从轮廓得到设备和手部的填充区域;接着在原始图像上使用基于颜色空间的皮肤检测方法得到手部区域,再与之前得到的填充区域做减运算,以得到独立的设备区域;然后再在独立设备区域的轮廓上做多边形拟合,得到设备的四个顶点;最后通过透视变化得到规范化后的设备屏幕图像。实验表明,该方法在背景不复杂且设备作为主体的照片环境下具有较高的准确率。     

基于人体关节点的低头异常行人检测

近年来,随着智能手机的快速发展,低头族行人在过马路时依然保持浏览手机的姿态,由此造成的交通事故时有发生。如何有效检测低头族成为了当下亟待解决的问题。现有的检测方法需要大量的真实低头异常的数据集,且最终结果存在识别精度不高、速度不尽人意的问题。基于此,提出了一种快速有效的低头异常行人检测方法,与现有方法的区别在于该方法是基于关节点而不是图像。首先设计了一种构造数据集的方法,在识别人体关节点的基础上,调整左右腕关节坐标来模拟行人手持电子设备的姿态,解决了数据集缺少且需要大量标注的问题;其次,提出复杂环境中高效检测行人异常行为的算法,对上述关节点坐标进行分类识别,充分利用手臂与头部信息来实现行人异常行为检测。实验证明,所提算法能够实现实时检测,且检测精度达到了94.08%,从而可以为视频监控、驾驶员、辅助驾驶以及自动驾驶系统提供必要的参考信息。     

基于用户行为周期的移动设备异常检测方法

本文提出了一种分布式的移动设备异常检测系统,该系统采用客户端-服务器架构,客户端程序在移动设备上持续提取特征并传送给服务器,服务器使用异常检测算法分析特征。根据人类日常活动的规律性以及用户使用移动设备的周期性,我们还提出了一种基于用户行为周期的异常检测方法,通过比较待检测特征向量和以往周期相近时间段的特征向量集的距离即可判定该特征向量是否异常,向量比较时采用不受特征间关联以及特征取值范围影响的马氏距离作为距离衡量的标准。实验证明我们采用的移动设备异常检测系统框架和检测方法能够有效提高对移动设备恶意程序的检测率。     

视觉伺服机械臂手机抓取最佳位姿检测

针对下水道、勾缝等狭窄位置的手机拾取的问题, 本文提出一种基于机器视觉的伺服机械臂抓取方法. 首先对机械臂eye-in-hand上的相机进行标定, 图像预处理及目标检测等, 在位姿检测中提出一种基于二维坐标系下手机位姿解算算法, 得出解算的最佳位姿角只与夹持点的像素坐标的差值有关, 其位姿角的大小决定了手抓旋转的角度. 实验用Matlab软件对位姿检测进行仿真分析, 其包括SURF不变特征点的目标检测实验和位姿解算实验, 最后用Rethink双臂机器人的右臂对手机进行抓取验证. 实验表明, 在误差允许范围内, 提出的算法具有一定的有效性, 其结果为伺服机械臂抓取手机提供良好的准确性.     

基于DE-YOLO的室内人员检测方法

目标检测的一个重要应用场景是对室内流动人员的检测与定位,为了降低模型的冗余度和提高检测的精确度,因此本文提出一种基于DE-YOLO的室内人员检测方法.通过使用K-means算法对数据集进行聚类,并设计出这种DE-YOLO深度卷积神经网络结构.通过DE-YOLO网络结构中的密集型连接,实现模型大小的压缩和特征信息的复用,最后对提取到的特征进行目标检测.在VOC2012数据集上进行实验表明,新改进的深度卷积网络应用性能有较大的提升.     

基于模式噪声大分量的手机相机来源检测

将模式噪声作为固定指纹特征应用于手机相机来源检测时,存在计算复杂、效率不高等问题。为此,提出一种基于模式噪声大分量信息的手机相机来源检测方法。利用光响应敏感点的成像特性及对模式噪声的影响,将其从模式噪声中分离出来,构成模式噪声的大分量信息,并作为新的模式噪声进行手机相机来源检测。实验结果表明,与传统基于模式噪声的图像来源检测方法相比,该方法不仅能有效辨识手机相机图像的来源,而且能减少检测计算量。     

基于移动终端的道路边缘检测方法

面向自动驾驶技术,研究一种实时的道路边缘检测方法—MERD(Mobile Equipment based Road-edgeDetection).该方法基于智能移动终端的Android系统平台,将针对HSV图像的数学形态学方法和针对灰度图的Hough变换检测方法相结合,针对不同路段环境进行道路边缘检测.实验验证了该方法在处理傍晚路段、阴影较多路段等不同情况的道路环境时,能够提供较高准确度的实时道路边缘检测,为车辆的自动驾驶提供安全保障.     

移动数据库中的事件检测*

为了有效检测移动计算环境中的事件,提出了基于Petri网的事件检测方式CCPN.该方式能直观灵活地建模事件,支持异步并发事件的检测以及时序事件的检测;讨论了主机断接以及移动情况下的事件检测.     

基于改进YOLOv5的轻量化航空目标检测方法

为解决硬件平台资源受限条件下的实时航空目标检测需求,在基于改进YOLOv5的基础上,提出了一种针对移动端设备/边缘计算的轻量化航空目标检测方法。首先以MobileNetv3为基础搭建特征提取网络,设计通道注意力增强结构MNtECA (MobileNetv3 with Efficient Channel Attention)提高特征提取能力;其次在深度可分离卷积层增加1×1的卷积,在减少卷积结构参数的同时提高网络的拟合能力;最后对检测网络进行迭代通道剪枝实现模型压缩和加速。实验选取DIOR (Object Detection in Optical Remote Sensing Images)数据集进行训练和测试,并在嵌入式平台(NVIDIA Jetson Xavier NX)对轻量级模型进行推理验证。结果表明,所提出的轻量级模型大幅降低了参数和计算量,同时具有较高精度,实现了移动端设备/边缘计算的实时航空目标检测。