基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。     

高光谱激光雷达后向散射强度的粗糙表面二向反射模型EI北大核心CSCD

高光谱激光雷达是同时获取光谱和空间信息的主动遥感探测方法。在激光扫描过程中,激光入射角是重要的影响因素之一。在实际应用中,目标表面粗糙度会使其入射角效应偏离朗伯模型。因此,基于Oren-Nayar模型对粗糙表面建立二向反射模型,研究了入射角效应的辐射校正方法。选取8种典型的粗糙表面作为实验对象,分析了各波段后向散射强度与入射角的关系,并量化了粗糙度对强度的影响。基于构建的模型,对该研究样本的入射角效应进行辐射校正。辐射校正后,不同入射角反射率的标准差均不大于0.06;与校正前相比,标准差平均改善率为67.86%。结果表明,所提出的方法提高了提取目标反射特性的准确性,为高光谱激光雷达更好地为开展数据分析与应用提供良好的物理基础。     

基于区块链的可信数据共享方案设计

针对数据共享时的隐私安全问题,提出一种基于区块链的可信数据共享方案。将星际文件系统和区块链技术结合,在可靠存储数据的同时降低区块链的存储负担。基于高级加密标准和密文策略属性基加密技术,提出双阶段数据访问控制机制,通过设置访问策略限定数据共享范围。利用智能合约对数据进行全生命周期管理,提高数据共享效率。对方案进行性能测试和安全性分析,实验结果表明,所提方案具有可行性,能够有效保护数据隐私安全。     

基于SAR极化特征的SVM道路提取方法研究

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取,缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等,较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题,本文首先对全极化数据进行多视处理、滤波去噪预处理,并通过极化分解方法获取20维极化特征散射分量.其次,从散射机理的角度出发,构建鉴别道路信息的最优极化特征矢量.最后,通过SVM分类器得到初步道路提取结果,并通过数学形态法提取道路数据.实验结果表明,该方法达到了98.4%的Acc和65.3%的Iou,具有提取精度高、应用范围广的优点,充分利用高分辨率SAR数据的极化信息,可有效应用于SAR图像的道路提取方法研究中.此外,区分于将光学道路提取的方法直接套用到SAR图像道路提取研究,本文探索了极化特征在SAR图像道路提取中的应用表现,为SAR图像道路提取研究提出新模式新思路.     

无人机载PolInSAR城区散射机制初步分析

极化干涉合成孔径雷达（PolInSAR）在城市遥感领域中扮演着重要角色。它能够提高图像的相干性并提高反演结果的精度,所以对于其散射机制的解释往往受到许多研究人员的关注。相关的研究多从极化分解的角度考虑,却少有人从散射中心高度方面进行分析。本文使用Ku波段无人机载极化干涉SAR系统,实现了使用无人机SAR系统对地面进行成像,比较了极化干涉最优分解与Pauli分解作用在不同人造目标时散射中心的关系。我们初步分析了极化干涉SAR的物理意义,并使用C波段的机载极化干涉SAR系统对结论进行验证。     

基于Ad hoc网络的联合有效用户识别与信道安全编译码方法

Ad hoc网络是一种无中心的自组织网络,由于用户能量受限当信噪比较低时有效用户识别的可靠性和信道安全性下降.该文针对这个问题提出一种联合有效用户识别与信道安全编译码方法.将发送用户的正交地址码与接收用户的伪随机地址码异或产生基于发送用户与接收用户的有效用户识别码.为提高信道安全性以信道安全码作为密钥加密有效用户识别码得到正交随机安全序列.为实现扩频并提高传输效率将发送数据以6 bit信息作为一个符号进行分组,将每个符号与一个正交随机安全序列对应.接收用户采用基于子空间的方法处理接收信号,通过建立判决模型识别有效用户.实验结果表明该方法与已有方法相比,当有效用户识别的漏警概率为10–3时信噪比增益改善1.6 dB.     

基于改进Kalman滤波模型的扫描合成孔径雷达图像扇贝效应校正方法

星载扫描合成孔径雷达(ScanSAR)采取Burst工作模式,该模式在获得宽幅测绘能力的同时,也导致图像中产生了固有的扇贝效应,严重影响图像的视觉效果和定量应用。该文结合对ScanSAR图像方位向统计特性的分析,针对现有滤波模型稳定性差和时间复杂度高等缺点,提出了一种改进的Kalman滤波模型,对图像方位向标准差和均值进行滤波以校正扇贝条纹。在高分三号(GF-3)卫星获取的真实ScanSAR图像上的校正结果验证了改进算法的有效性和高效性,此外在建筑群和海陆交界等复杂场景图像上的实验结果表明,改进算法具有较强的鲁棒性。     

在线云存储服务的流量管理研究

云存储是云计算应用的一个重要分支,有效利用数据中心的带宽资源,设计高效、均衡、可扩展性良好的带宽资源管理和流量负载均衡算法十分重要。在云存储服务典型应用Dropbox的架构下,可设计最小带宽优先的贪心算法和二次随机选择算法来实现负载均衡,并将其和流量预测、带宽预留技术结合在一起,实现一套流量负载均衡和带宽预留方案。贪心算法的负载均衡技术能够取得良好的性能,但是复杂度高、系统开销较大、可扩展性较差;二次随机选择算法复杂度低并且显著减少了系统通信开销。通过Dropbox真实流量数据和大规模仿真数据的实验,表明二次随机选择算法能够实现接近于贪心算法性能的均衡流量调度。基于预测的带宽预留技术保证了服务质量,提高了网络资源利用率。