基于IXP2800和VxWorks的嵌入式病毒防火墙实现*

针对隐蔽在网络流量中的攻击,提出了基于Intel IXP2800网络处理器和VxWorks的嵌入式病毒防火墙(embedded anti-virus firewall)实现方案。该方案将硬件包过滤技术与应用层病毒实时防护相结合,底层数据包的实时响应、过滤转发等处理均由IXP2800的微引擎完成,而使XSCALE主处理器更专注于高层协议的病毒扫描过滤。实验数据表明,这种实现方案运行稳定,具有良好的性能指标。     

一种快速的单模式匹配算法*

在对Boyer-Moore(BM)算法及其改进的Tuned Boyer-Moore(TunedBM)算法进行分析的基础上,提出了一种更加快速的单模式匹配算法--NFS.该算法利用当前尝试中匹配失败字符的位置信息进行更大的尝试位置移动,使算法具有更高的效率.实验结果表明,NFS算法的性能优于同类的其他算法,特别是在模式长度较短的情况下,优势更为明显.     

基于核聚类的无线传感器网络异常检测方案

针对无线传感器网络的自身特殊性和所面临的路由安全威胁,提出了一种基于核聚类的异常检测方案——KCAD,以检测路由攻击所导致的流量异常。该方案通过利用Mercer核,将输入空间的流量特征样本隐式地映射到高维特征空间,突出了不同样本间的特征差异,从而更好地完成聚类,提高了检测准确率,同时还针对流量特征样本做了时间维扩展,使之更能反映近期网络流量状况,减少了由于历史数据集影响所带来的误报。仿真实验结果表明,KCAD方案能够在较少的资源开销条件下,迅速、有效地检测出传感器网络中的攻击异常。     

谱聚类算法综述

谱聚类算法是近年来国际上机器学习领域的一个新的研究热点.谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点.本文首先介绍了图论方法用于聚类的基本理论,然后根据图划分准则对谱聚类算法进行分类,着重阐述了各类中的典型算法,并对算法进行了比较分析,最后进行总结并提出了几个有价值的研究方向.     

基于蚁群系统的机器人全局最优路径规划的研究与仿真

基于蚁群系统,以可见性图作为路线图,采用CAS(complex adaptive system)理论自底向上的建模思想,构造主动的、适应性的蚂蚁主体ant-agent,依靠多ant-agent之间的协同、合作去完成自主移动机器人的全局最优路径规划任务。在环境中演化着的ant-agent具有自身的内部结构和行动规则,多ant-agent聚集成人工蚁群,通过人工信息素进行间接通信,涌现出了进行路径规划的群集智能。     

基于谱聚类的复杂网络社团发现算法

复杂网络社团发现的研究对于控制疾病传播、网络病毒的传播等具有重大意义.针对已有社团发现算法时间复杂度过高,不适用于结构未知的大型网络等问题,结合谱聚类在识别未知分布数据集聚类方面的优势,以及模块度函数能够在大型网络中搜寻出最佳社团数目的能力,提出了基于谱聚类的社团发现算法--SCCF算法.实验结果表明,与已有的社团发现算法相比,SCCF算法效率更高,并且能够在网络节点数上万的大型网络中得到高质量的社团结构.     

基于硬件加密的嵌入式VPN网关实现

处理速度成为制约基于软件加/解密的VPN网关性能提高的瓶颈。提出了网络主处理器和加密卡并行处理IPSec数据的嵌入式VPN网关实现方案。在该实现方案中,IPSec数据包的加/解密以及认证等高强度的计算均由硬件加密卡完成,而使网络主处理器更专注于对IPSec数据包的封装处理。试验数据表明,这种实现方案运行稳定,能够满足高速网络的需求。     

一种改进的个性化查询引文推荐方法

为充分利用文本内容的上下文信息，结合图模型及查询向量的构建方法，提出一种融合查询内容信息的个性化引文推荐方法。通过三种论文信息构建三层图模型，并在不同层上设置不同参数，调整节点向不同层次的跳转概率；利用word2vec技术构建的查询向量，可以有效利用文本上下文内容信息，使相似的文章在距离上更加接近，进而对候选文章进行评分预测与论文推荐。在Association of Computational Linguistics Anthology Network数据集上进行计算分析，相同查询下与原有的方法相比在recall@N上平均提高约7%，在NDCG@N上平均提高约11%。实验结果表明该方法可以使引文推荐的质量得到有效的提升，能够获得较好的推荐效果。     

关联规则挖掘在学生成绩分析中的应用

针对课程设置与课程成绩之间的关系,将关联规则挖掘技术应用到高校学生成绩分析中,发现隐藏在课程之间的有意义的信息,从而对得出的有价值的知识进行分析,找出教学中各方面的成效得失以及影响学生成绩的内在因素,从而为学生选课和教师教学以及教学管理工作等提供决策支持。     

改进的多模式字符串匹配算法

在经典的AC多模式字符串匹配算法的基础上，结合BMH算法的优点，提出了一种快速的多模式字符串匹配算法。一般情况下，该算法不需要匹配目标文本串中的每个字符，而是在实际比较之前跳过尽可能多的字符，以减少字符比较的操作，实现快速匹配。在模式串较长和较短的情况下，算法都有很好的性能。实验表明，在模式串较短时，本算法所需的时间仅为AC算法的50%～30%；在模式串较长时，所需时间为AC算法的26.7%～15.2%。