基于增量式GHSOM神经网络模型的入侵检测研究

传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对GHSOM(Growing Hierarchical Self-Organizing Maps)神经网络模型进行了扩展,提出了一种基于增量式GHSOM神经网络模型的网络入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.作者开发了一个基于增量式GHSOM神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,能够实现在线检测过程中对GHSOM模型的动态更新,而且对于网络上新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当.     

基于遗传算法的网络资源配置优化

随着新一代网络的结构复杂化和应用多样化,如何进一步提高实时业务的服务质量,是急需解决的重要问题之一,而合理配置和优化网络资源是解决该问题的有效方法。针对多业务网络,提出一种以网络资源均衡度为目标、QoS为约束的优化模型;应用改进的遗传算法实现带宽和节点缓冲区资源的优化配置,以实现网络流量分布均衡,从而提高网络性能。通过分析遗传算法种群适应度的变化趋势,给出一种基于种群稳定性系数阈值的迭代终止方法,以提高算法收敛效率。通过实验验证了以上方法的有效性。     

矿井顶板涌(突)水危险性预测系统研究

针对浅埋煤层开采顶板涌(突)水危险性预测问题,在详细分析钻孔和水文地质等资料的基础上,对矿井顶板涌(突)水的预测涉及到的各类数据进行了组织与管理,设计了由预测数据管理和顶板水害预测两大模块构成的预测系统,建立了矿井顶板涌(突)水多因素叠加分区预测模型,并通过陕北张家峁煤矿的实际数据进行预测,进一步验证了该系统的实用性。     

基于改进的GHSOM的入侵检测研究

提出了一种基于改进的生长型分级自组织映射(GHSOM,growing hierarchical self-organizing maps)神经网络的入侵检测方法。改进的GHSOM具有传统GHSOM多层分级的特点,同时能够处理含有数值类型成员和字符类型成员的混合输入模式向量,提高了入侵检测的效率。对KDD Cup 99数据集和模拟数据集进行的入侵检测模拟实验表明,改进的GHSOM算法对各种类型的攻击有着较高的检测率。     

基于动态域划分的 MapReduce 安全冗余调度策略简

MapReduce现有调度策略无法实现云环境中多租户作业的安全隔离。提出一种基于动态域划分的安全冗余调度策略：通过引入冲突关系、信任度、安全标签等概念,建立一种动态域划分模型,以将待调度节点划分为与不同租户作业关联的冲突域、可信域或调度域;结合冗余方式,将租户作业同时调度到其可信域节点和调度域节点(但不允许为其冲突域节点),通过二者执行环境和部分计算结果的一致性验证决定是否重新调度。实验分析了其有效性和安全性。     

面向视频播放的BT协议下载算法的改进

P2P协议应用于视频播放是一项热门技术,BT协议作为P2P协议族中的成熟协议,其在文件共享下载方面有着优异的表现。从BT协议的优先级桶式下载算法出发,提出基于速度评价的片选择下载算法,该算法适应视频播放实时性和平滑性要求,使得BT协议成功应用于视频播放,从而为BT协议的应用提供了一种新的商业模式。     

大业务流识别方法研究综述*

大业务流识别（简称大流识别）方法是网络流量测量与分析中必不可少的一种方法和手段,在学术界和工业界都引起了广泛的关注。针对大流识别问题展开研究,对适用于网络监控和管理需求的大流识别的方法、成果和相关问题进行综述,分类分析和总结了典型的大流识别方法,并指出这些方法存在的局限性和不足,对下一步研究趋势进行了预测。     

一个异构型分布式系统的远程过程调用的设计与实现

远程过程调用(RPC)是为计算机网络及分布式系统中进程间通信提供的一种通信模式。本文介绍一个异构型分布式系统的远程过程调用系统(以下简称系统)的设计与实现。设计包括RPC系统的汇集(binding)和RPC信息流协议。本系统以C语言库函数的形式实现,其容异性使用标准数据表示的方法实现。本系统的实现为网络用户提供了一RPC框架和RPC设施,它是实现各种服务的基础,也是用户通过程序访问网络资源的基础。