基于人工蜂群算法的双门限CRN网络攻击检测算法

为了提高认知无线电网络的攻击检测效果,提出一种基于人工蜂群算法的双门限认知无线电网络的攻击检测算法。收集网络中所有次级用户向融合中心发送的报告,对信号进行预处理并将信号传递至人工蜂群算法;蜂群的雇佣蜂阶段评估次级用户子集的适应度,观察蜂阶段根据解的相关信息开发可行解,选择最优的次级用户子集;观察蜂的结果传递回蚁群,并且更新蚁群的全局信息素值,蚁群对新解集进行开发操作。该算法结合人工蜂群算法与人工蚁群算法在全局搜索与局部开发之间达到平衡。仿真实验的结果显示,该算法实现了较高的检测率与较低的错误率,从而有效地优化了频谱利用率。     

基于l1,2惩罚典型相关分析的特征选择

特征选择是多模态高维数据机器学习的一个热点问题,而过拟合和过稀疏是特征选择需要克服的关键问题。对此提出以l_(1,2)范数作为惩罚项兼顾稀疏作用和光滑作用,以组内稀疏来防止过拟合,以组间光滑来防止过稀疏,通过优化数据间的相关性来实现特征选择。然而对一般数据而言,群组信息又很难获得,所以对于群组信息缺失的数据,应用随机分组获得群组信息,最终实现兼顾组间光滑和组内稀疏优点的特征选择。模拟实验结果表明,该方法能较完整地选择出两模态数据间的关联特征,并且去除不相关特征。     

基于动态参考依赖的消费者选择意向研究

预测在线消费者选择意向以便为其提供有效的推荐建议已成电子商务领域消费者决策支持系统的核心问题之一。选择意向是一个融合经济、心理等多重因素的行动反应,如何对其进行测量是学术界研究的热点。为此,构建一套消费者满意度指标,将影响的属性进行分类,进而提出基于动态参考依赖的消费者满意度分析法。在该方法中,首先建立不同类型属性的动态参考依赖函数;其次,建立对应类型属性的边际满意度惰性函数,同时给出属性权重及总体满意度的算法;最后,通过对去哪儿旅行网站2400条消费者实验样本数据进行分析,结果验证所建边际满意度惰性函数的预测准确性。此外,对单属性分析发现,目的地与酒店距离对消费者决策影响最大。     

基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。     

QARMA算法的相关密钥不可能差分攻击

QARMA算法是一种代替置换网络结构的轻量级可调分组密码算法。研究QARMA算法抵抗相关密钥不可能差分攻击的能力,根据QARMA-64密钥编排的特点搜索到一个7轮相关密钥不可能差分区分器,在该差分区分器的前、后各添加3轮构成13轮相关密钥不可能差分攻击。分析结果表明,在猜测52 bit密钥时,与现有中间相遇攻击相比,该相关密钥不可能差分攻击具有攻击轮数较多、时间复杂度和空间复杂度较低的优点。     

一种基于Python符号执行的自动化网络攻击流量获取方法

网络攻击流量的采集对于分析网络攻击效果以及检验评估网络安全防护设施的性能等研究领域有着重要的意义。研究一套以Python符号执行技术为核心的自动化网络攻击流量获取方案。对当前网络上可获取的Python网络攻击脚本进行自动化的处理,使这些攻击脚本统一格式并进行以符号执行技术为主。强制执行技术为辅助的自动化流量采集工作,从而免去大量的建立漏洞环境的时间,使得网络安全研究员能够更轻易地获得攻击脚本所能产生的攻击流量。将该系统生成并提取的攻击流量与手工搭建漏洞环境并运行脚本后得到的攻击流量进行对比分析,验证该方案的可行性与适用场景。     

一种双向多跳中继选择算法与信息交互模型

在协同通信中,针对多跳中继通信传输网络,在单向传输模式的基础上,提出了一种双向通信模式下基于维特比算法的双向中继选择算法(BRSVA)。根据各传输中继节点间的瞬时信噪比,对维特比算法中的支路度量和路径度量进行重新定义,并且构建滑窗以限制内存,对通信网络进行研究分析,以当前跳滑窗内具有最大路径度量值的路径上第一簇中继作为该簇的最佳中继。随着滑窗向前推进,对整个中继网络每一簇进行最佳中继的选择,进而得出一条由最佳中继构成的最佳路径。最后在此路径上提出了一种新的混合型双向信息交互模型,实现通信双方的信息交互。为了验证该中继选择算法与该信息交互传输模型的效果,将其仿真结果与理想内存下的最优中继选择算法做对比,结果证明在有限的内存需求与复杂度下,该算法的中断性能可接近最优选择。