基于边缘样本的智能网络入侵检测系统数据污染防御方法

人工智能已被广泛应用于网络入侵检测系统.然而由于流量样本存在概念漂移现象,用于恶意流量识别的模型必须频繁更新以适应新的特征分布.更新后模型的有效性依赖新增训练样本的质量,所以防止数据污染尤为重要.然而目前流量样本的污染过滤工作仍依赖专家经验,这导致在模型更新过程中存在样本筛选工作量大、模型准确率不稳定、系统易受投毒攻击等问题.现有工作无法在保证模型性能的同时实现污染过滤或模型修复.为解决上述问题,为智能网络入侵检测系统设计了一套支持污染数据过滤的通用模型更新方法.首先设计了EdgeGAN算法,利用模糊测试使生成对抗网络快速拟合模型边缘样本分布.然后通过检查新增训练样本与原模型的MSE值和更新后模型对旧边缘样本的F\\-β分数,识别出污染样本子集.通过让模型学习恶意边缘样本,抑制投毒样本对模型的影响,保证模型在中毒后快速复原.最后通过在5种典型智能网络入侵检测系统上的实验测试,验证了提出的更新方法在污染过滤与模型修复上的有效性.对比现有最先进的方法,新方法对投毒样本的检测率平均提升12.50%,对中毒模型的修复效果平均提升6.38%.该方法适用于保护任意常见智能网络入侵检测系统的更新过程,可减少人工样本筛选工作,有效降低了投毒检测与模型修复的代价,对模型的性能和鲁棒性起到保障作用.新方法也可以用于保护其他相似的智能威胁检测模型.     

一种串联馈电式超宽带天线阵列研究

为了实现高效辐射性能,本文对一种串联馈电式超宽带天线阵列进行研究设计。该阵列天线以0.02 mm厚的柔性聚酰亚胺为衬底材料,由3个超宽带单元天线和1个金属反射板构成。天线单元含有缝隙结构,通过串联方式进行连接,并采用共面波导馈电获得超宽带特性,天线下方放置金属反射板,以获得定向辐射特性。同时,采用电磁仿真软件高频结构仿真器(high frequency structure simulator, HFSS)对所设计的天线阵列进行建模仿真和设计分析。仿真结果表明,天线阵列的仿真带宽为3.02～12.05 GHz,测试带宽为2.92～12.35 GHz,覆盖超宽带3.1～10.6 GHz频段。天线在工作频段内保持良好的方向性,在8.5 GHz时,获得最大测试增益为8.6 dB,仿真增益为10.8 dB,说明天线带宽与方向图增益等性能均与仿真结果相吻合。本文设计的天线面积为121 mm×55 mm,天线与放射板间距为23 mm,具有高增益、尺寸小、质量轻等性能,适用于小型超宽带终端设备。该研究为柔性超宽带频段的阵列设计提供了理论基础。