基于网络入侵检测系统的算法分析

随着网络信息化技术的不断发展，安全性问题面临着不小的考验，特别是对网络入侵的安全问题越来越频繁，如何有效地针对网络入侵进行检测，需要设计检测系统发挥应有的功能的作用，从而能够准确地检测到网络入侵的具体情况，有网络维护人员提供处理措施的参考价值。本文将主要探讨基于网络入侵检测系统的算法。     

一种基于数据挖掘的入侵检测方法

现有的入侵方法不但扩展性和适应性上不尽如人意,入侵的检测效率也比较低。而以数据为中心是数据挖掘技术的核心观点,相较于其他的检测方法,其把入侵检测看做一个数据分析过程,运用数据挖掘中的算法来建立入侵检测系统,尽量减少了手工和经验的影响,较好地解决了有效性、扩展性和适应性的问题。     

图书馆网络入侵检测系统的设计与实现

本文中,笔者主要对图书馆网络入侵检测技术（library intrusion detection technology; LIDT） 进行了简单的介绍,具体包括入侵检测技术的理论、作用以及特点等,并根据网络异常流量检测原理提出了一种网络入侵检测的模式,针对图书馆网络入侵检测系统的体系结构以及实现技术进行了深入分析。     

入侵检测系统综述

对于任何一个国家、企业或者个人来说,随着计算机及网络的发展,网络安全问题是一个无法回避且重要的问题呈现在面前,很多非法分子或者合法用户的不当使用都会对网络系统造成破坏,针对这些行为要采用相应的技术进行制止或者预防,入侵检测技术成为解决该问题的最好方法之一。文章主要简综述了入侵检测系统的基本检测方法。     

网络入侵的方法与检测

网络安全问题日益突出,分析了网络攻击的原理,主要有漏洞扫描技术、口令破解方法、脚本攻击和缓冲区溢出等方法。检测这些网络攻击的方法就是应用入侵检测系统,论述了开放源码的入侵检测系统snort的特点和入侵检测的原理。     

一种主机入侵检测系统的设计与实现

本文利用网络协议定义的标准化、层次化、格式化的数据包的特点,对数据包首先进行协议分析,然后根据协议的不同再进行相应的模式特征匹配,最后根据匹配结果完成对应的响应动作。这种结合协议分析的入侵检测系统具有检测速度快、系统耗费低和误报率低的优点。     

基于AIS的网络入侵检测安全策略研究

基于AIS网络入侵检测安全策略设计过程中,需要对网路入侵检测模块进行分析,通过对异常检测问题和误用检测问题研究,发现系统漏洞。通过对否定选择算法、克隆选择算法、基因库优化算法的研究,达到优化网络系统性能,提高系统安全性的目标。网络入侵检测系统设计过程中需要从框架设计入手,建立动态自体集合,从而能够更好的发生系统漏洞,产生拒绝访问,保证网络系统的安全。     

基于千兆宽带网的入侵检测系统的设计

在分析目前入侵检测系统存在的问题的基础上,提出了基于千兆主干宽带网络的入侵检测系统的设计思想:系统采用集中一分布式的控制结构,部件之间相互独立,通过消息相互协作,完成对分布式攻击的检测和处理.该系统采用积极的安全防护技术,能提供对计算机和网络系统的实时保护.     

局域网的入侵检测系统初探

在介绍入侵检测系统的基本概念、发展及系统模型的基础上，对局域网中入侵检测系统的分类、建立及入侵过程的分析与防范进行了描述。     

基于关键字的入侵检测系统技术的实现

本文主要介绍了基于关键字的入侵检测系统开发应用的背景、当前状况、原理、以及发展前景。从众多入侵检测技术中,选取了日常网络活动中接触最广泛的,也最涉及用户利益的关键字技术为切入点。探究保障用户网络信息安全、屏蔽网络不良信息、营造网上健康舆论氛围的新途径。     

基于Web数据流技术的网络入侵检测研究

针对传统多遍扫描数据库的挖掘技术构建的入侵检测模型已不能满足Web数据流高速并且无限到达的需要,根据多维频繁模式的特点,提出了一种新的入侵检测模型和一种新型数据结构SW.Tree,并给出了一种基于滑动窗口树的挖掘频繁项集的新型算法AFP.对不同流量数据的实验结果表明该模型有较高的报警率和较低的误报率.     

基于GPRS网络的粮食温度检测系统设计

针对粮库粮食储藏环境监测点分散,人工巡检效率低的现状,开发了基于GPRS的粮食温度检测系统。与微型计算机控制技术、GPRS技术相结合,给出了检测采集单元的设计,实现了粮库中粮食温度的远程无线监控。该系统运行稳定、易操作、易维护,适合目前中小型粮库的旧库改造。     

基于深度信念网络的织物疵点检测

为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明：所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。     

基于神经网络的浓度检测模型研究

针对液浆类食品浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,将人工神经网络技术应用于浓度测量的建模中,以实验数据为基础,建立了检测系统的数学模型。通过仿真研究,与传统的回归模型进行误差对比,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化非线性影响的结论。     

网络嗅探器在Linux系统中的实现

介绍了以太网卡的广播、多播和混杂工作模式和Sniffer的基本原理,阐述了利用混杂工作模式进行网络中数据的收集,并结合TCP/IP协议在Linux系统中实现网络嗅探器(Sniffer)的具体方法.     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

基于代理的网络计费系统

在分析常用的网络计费方法的基础上 ,介绍了一个基于 Microsoft proxy的网络计费系统 .重点讨论了用代理服务器进行计费数据采集的方法 .进行了系统的总体设计 ,系统由数据采集、数据处理、数据查询、用户管理和系统管理 5大模块组成 ,具有计费、流量分析、用户管理等功能 .该系统不仅避免了 IP地址盗用 ,而且充分利用 WWW技术 ,使用户只需通过浏览器就可随时查询使用网络的情况和费用 .     

基于生成对抗网络和Mask R-CNN的苹果早期变质检测

[目的]提高苹果早期变质区的检测准确率。[方法]基于生成对抗网络和卷积神经网络技术的苹果变质区检测方法。利用Pix2PixHD模型生成包含采后早期变质区的贮藏苹果的近红外成像数据;使用Mask R-CNN模型对生成的近红外图像进行分割,以检测苹果中的变质区;在具有人工智能功能的低成本嵌入式系统上,利用生成的近红外成像数据,实施基于生成对抗网络和卷积神经网络技术的采后苹果的早期变质区域分割和预测。[结果]该方法对收获后苹果的早期变质检测平均准确率比其他9种方法高1.825%～10.435%;Pix2PixHD能以17帧/s的速度从RGB图像生成了可视近红外图像,Mask R-CNN能够以4.2帧/s的速度对苹果图像中的变质区域进行分割。[结论]研究提出的方法有望促进低成本食品质量控制器的开发。     

改进YOLOv5网络的轻量级服装目标检测方法

为进一步降低基于深度学习的服装目标检测模型对计算资源的占用,提出一种改进的轻量级服装目标检测方法MV3L-YOLOv5。首先使用移动网络MobileNetV3_Large构造YOLOv5的主干网络;然后在训练阶段使用标签平滑策略,以增强模型泛化能力;最后使用数据增强技术弥补DeepFashion2数据集中不同服装类别图像数量不均衡问题。实验结果表明:MV3L-YOLOv5的模型体积为10.27 MB,浮点型计算量为10.2×10⁹次,平均精度均值为76.6%。与YOLOv5系列最轻量的YOLOv5s网络相比,模型体积压缩了26.4%,浮点型计算量减少了39%,同时平均精度均值提高了1.3%。改进后的算法在服装图像的目标检测方面效果有所提升,且模型更加轻量,适合部署在资源有限的设备中。