基于时序分析的木马规模预测技术

木马作为网络所面临的一种重要威胁。其控制主机的规模对网络安全态势有重大影响。对进行有效预测可为网络安全预警和防御提供决策支持。在大规模网络中检测到的木马数据具有较大的规模和较强的数据独立性,难以进行关联分析,而用时序分析可以获取更多有价值的信息。本文介绍了在时序分析预测中广泛采用的ARMA预测技术、基于小波分析的预测技术和基于时序事件化的预测技术,针对大规模网络中监测到的真实木马数据集的数据特点,在短、中期时间上对三种时序预测技术进行比较讨论。实验表明,基于时序事件化的预测技术具有最优的准确性。     

对象事务管理中间件的设计与实现

对象事务管理是分布式对象技术与TP Monitor技术相结合的产物,它集成了两者的优点,解决了目前事务处理领域面临的问题,本文主要介绍我们设计和实现的基于StarBus软总线的对象事务管理中间件StarBus-OTM,并讨论了该中间件的典型应用。     

电子商务技术漫谈(之六) 电子商务的CA/SET认证体系

ＣＡ／ＳＥＴ（Ｓｅｃｕｒｅ Ｅｌｅｃｔｒｏｎｉｃ Ｔｒａｎｓａｃｔｉｏｎ安全电子交 易）安全认证体系通常用于保障涉及到银行支付卡的电子商务业务的安全,其实现应遵循安全电子交易协议ＳＥＴ的规定,本专题将简要介绍有关ＣＡ／ＳＥＴ安全认证体系的相关内容和构想,如果读者想了解相关的详细内容请参照ＳＥＴ协议。 ＣＡ／ＳＥＴ的分级结构 ＣＡ／ＳＥＴ的分级结构如图１所示： ＣＡ／ＳＥＴ安全认证体系的结构依据ＳＥＴ标准和实际情况通常可分为四级：第一级为ＳＥＴ根ＣＡ（ＲＣＡ：Ｒｏｏｔ ＣＡ）,第二级为 ＳＥＴ品牌 ＣＡ（ …     

指纹自动识别系统中的预处理技术

预处理是指纹自动识别过程中的第一步，它的好坏直接影响着指纹自动识别的系统的效果。文中分灰度去噪，二值化，二值滤波法噪，细化等几部分。详细分析了介绍了指纹自动识别系统中的预处理技术，文中所介绍的算法都是经实践证明并取得了很好的效果的，具有很高的使用及参考价值。     

多库 高效的视图维护机制

外连接是多库系统中经常使用的生成全局视图方法,但是外连接给维护多库系统视图带来了很大的困难,目前已有的多库系统视图维护算法只考虑了连接操作（Ｓｓｅｌｅｃｔ ｐｒｏｊｅｃｔ ｊｏｉｎ,ＳＰＪ）,如果全局视图是通过外连接生成的,这些算法就不能有效地维护多库系统视图的正确性,提出了一种新的多库系统视图维护算法,它能够在有外连接及数据不一致的情况下高效地维护多库系统视图,并最大限度地减少了向局部数据库发送     

基于多Agent的煤矿设备监测诊断系统研究

研究了煤炭企业设备故障诊断系统,提出了一种intranet／internet环境下基于多Agent的井下设备诊断系统模型。该方案能够实现基于WWW浏览器的远程智能监控诊断功能,同时对基于现场CAN总线实现多Agent通信的可行性进行了分析。     

虚拟资产用户操作数据流立方体存储结构的研究

随着电子商务的深入发展,基于虚拟资产用户操作数据流立方体的构建技术成为了当前研究热点。文章针对虚拟资产用户操作数据流的特点,首先对数据流进行分组操作,并从中抽取属性集和操作序列集,然后构建流立方体模型。在流立方体构建中采用多路聚集算法,提高聚集性能。在真实数据集上进行实验测试表明,该模型能有效提高异常操作追溯性能。     

CA认证中心的系统设计与实现

电子商务的安全是通过在网络上使用加密手段来达到的,目前最常用的加密方法是非对称加密算法,CA机构就是用来解决非对称加密算法中公钥的合法性检验问题.我们设计CA认证中心系统的目的是在中国公众多媒体通信网上建立覆盖全国的基于CA体系的安全基础结构,为用户上网使用创造安全环境,为电子商务的应用创造安全环境.     

电子政务外网网络安全指标体系配置研究

该文通过对现有网络安全指标体系进行研究,针对电子政务外网的特点,考虑所有影响网络安全的因素后,建立了一个全面的通用网络安全指标体系,为电子政务外网的网络安全态势评估提供依据。通过对通用指标体系的裁剪,满足用户对不同的设备的具体需求,针对网络上不同逻辑组,文章设计了态势的聚集算法,该算法能够识别电子政务外网逻辑组下的资产并能对这些资产的安全态势进行聚合,最后通过一个实例验证了该指标体系模型的科学性与合理性。     

基于遗传算法和LSSVM的网络安全事件发生频率预测

Since the frequency of network security incidents is nonlinear, traditional prediction methods such as ARMA, Gray systems are difficult to deal with the problem. When the size of sample is small, methods based on artificial neural network may not reach a high degree of preciseness. Least Squares Support Vector Machines (LSSVM) is a kind of machine learning methods based on the statistics learning theory, it can be applied to solve small sample and non-linear problems very well. This paper applied LSSVM to predict the occur frequency of network security incidents. To improve the accuracy, it used an improved genetic algorithm to optimize the parameters of LSSVM. Verified by real data sets, the improved genetic algorithm (IGA) converges faster than the simple genetic algorithm (SGA), and has a higher efficiency in the optimization procedure. Specially, the optimized LSSVM model worked very well on the prediction of frequency of network security incidents.