基于写相关支持向量描述的入侵防护审计模型研究

设计了基于写相关支持向量描述的安全审计模型来实现一个新的单类分类器,对系统调用中“写性质”子集进行监视和分析,并以此训练单类分类器,使偏离正常模式的活动都被认为是潜在的入侵。该模型仅利用正常样本建立了单分类器,因此系统还具有对新的异常行为进行检测的能力。通过对主机系统执行迹国际标准数据集的优化处理,只利用少量的训练样本,实验获得了对异常样本100%的检测率,而平均虚警率接近为0。     

基于SVDD的认知无线电网络仿冒主用户检测技术

为了解决传统主用户感知技术无法检测认知无线电网络中的仿冒主用户(PUE)攻击问题,提出了一种基于支持向量数据描述(SVDD)的 PUE 检测方法.该方法将 PUE 攻击检测建模为一个数据不平衡的单类分类问题,采用高效的 SVDD 算法,在对 PUE 攻击一无所知的情况下,仅利用认知无线电网络中的合法用户数据训练单类分类器.将待测样本输入训练后的分类器即可实现 PUE 攻击检测.理论分析和仿真结果表明,利用该方法进行 PUE 攻击检测,可以获得较低的虚警率和漏检率.     

One-Class分类器研究

 传统的多类分类问题需要多类样本训练分类器,然而由于样本获取(复杂性或代价)的原因很多情况下只能获取一类样本,故只能利用这一类样本进行学习,形成数据描述从而实现分类,故称之为One-Class分类.鉴于目前单类分类研究存在领域相关方法和通用方法百花齐放的格局,本文首先给出了当前One-Class分类器的研究综述,然后重点针对基于核方法的单类分类器进行分析,将该类方法分为对偶方式和核距离方式两类,并分析各自的特点.最后论文介绍了目前的单类分类器的应用领域,指出其在故障分析、异常检测、疾病诊断和敌我识别等现实问题中的重要作用.     

基于SVDD的半监督入侵检测研究

提出了一种基于SVDD的半监督入侵检测算法.该算法利用少量有标记正常网络数据建立两个SVDD分类器,通过相互学习来挖掘未标记数据中的隐含信息,扩大有标记正常网络数据的数量.再利用所有已标记正常网络数据用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器.实验表明,该算法具有良好的识别性能.     

通信系统间的EMC预测与仿真设计

文章论述了系统间EMC预测的基本原理,通过采用基于矩量法的数值计算方法探讨了舰载通信系统间EMC仿真软件的设计与实现过程,并简要介绍了该软件的功能和特点。     

单分类算法中的数据可视化技术

通过对可视化技术的分析,设计了单类分类器的可视化方法,将单分类异常检测算法过程在二维空间表述出来。通过对国际标准数据集进行试验,可视化过程显示了分类算法的核参数对分类面的影响。将单类分类器的可视化方法应用于主机系统调用序列的异常检测中,可以将入侵检测过程呈现给用户,能够有效地发现入侵行为,有助于更好地理解单类分类器在对用户的系统调用执行序列分析的效果。     

基于特高频法的高压开关柜局部放电监测及特征参量提取

在线监测局部放电是实现高压开关柜绝缘状态实时诊断及潜伏故障早期预警的必要手段,可有效避免电气火灾、停电等重大事故发生.特高频局部放电监测系统主要由特高频传感器、信号调理电路、采集主机及无线同步模块构成,具有灵敏度高、抗干扰能力强、非接触式检测等优点.此外,以高压开关柜导体表面电晕放电、绝缘体内部放电及表面放电典型绝缘缺陷为对象,提取并分析了放电相位-幅值区间分布及放电包络曲线的峰度、偏度、互相关系数等局部放电特征参量.     

不同栽培措施对华大麦6号产量和净收益的模型研究

为大面积推广高产优质啤酒大麦新品种华大麦6号,本试验以五元二次同归正交旋转组合设计为基本数学模型,重点研究华中地区种植密度、有机肥、氮、磷、钾肥用量等因素对华大麦6号产量、粒重和净收益的综合效应.对模型解析发现,在供试条件下密度、有机肥、氮、磷、钾肥单因子对产量绝对贡献顺序为氮肥>有机肥>磷肥>密度>钾肥;对千粒重的绝对贡献顺序为磷肥>钾肥>有机肥>密度>氮肥;对净收益的贡献顺序为有机肥>氮肥>磷肥>密度>钾肥.计算机模拟寻优表明,密度在199.8～213.9万株hm-2,有机肥在17428.5～20330.1kg hm-2,氮肥在202.4～228.3kg hm-2,磷肥在73.3～86.0kg hm-2钾肥在66.2～82.8kg hm-2.时,大麦的产量在4800kg hm-2以上,千粒重>42g,净收益达5500元hm-2.因此,这些栽培措施的组合可以作为推荐的高产高效栽培技术方案.