基于部件的分布式入侵检测系统

入侵检测技术是继“防火墙”、“数据加密”等传统安全保护措施之后新一代的安全保障技术.它对计算机和网络资源上的恶意使用行为进行识别和响应,不仅检测来自外部的入侵行为,也监督内部用户的未授权活动.提出一种基于部件的入侵检测系统,具有良好的分布性和可扩展性.它将基于网络和基于主机的入侵检测系统有机地结合在一起,提供集成化的检测、报告和响应功能.在网络引擎的实现上,使用了协议分析和模式匹配相结合的方法,有效地减少了目标的匹配范围,同时改进了匹配算法,使网络引擎具有更好的实时性能.     

一种混合型的分布式入侵检测系统模型

提出了一种层次化协作的混合型分布式入侵检测系统模型.该模型将受保护网络划分成若干个安全管理区,模型由探测代理、监视代理和策略执行代理3个部分组成.各部分之间角色的分工借鉴了CIDF模型,在每种代理的内部模块的设置上也力求功能完整独立.整个模型在数据来源的分布化、分析检测的分布化、多区域检测的协作化3个层次上体现分布式入侵检测的特点.     

一个与Powell搜索相结合的混合免疫进化算法

提出一个求解无约束最优化问题的新的混合算法-Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.本文主要目的是通过加入混合策略说明免疫进化算法是能够被改进的.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法.仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法.     

一种分布式水声信号检测系统的融合算法

给出了一种多传感器数据融合的融合算法,并将其用于分布式水声信号检测系统中多部声呐的信息综合。各部声呐的观测可以是相互独立的。也可以是相关的。计算机仿真结果表明,融合后系统的检测性能有明显提高。     

分布式多传感器系统的最佳检测和性能

提出了多传感器分布式检测系统在Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ（Ｎ－Ｐ）准则下融合规则和各局部判决规则之间协调关系的理论分析方法,完整给出了两种 最佳系统和全局最佳系统判决规则的理论推导,并籍此理论上对３种系统进行了瑞利信道的仿真及性能比较,结果表明分布式检测中全局最佳系统的检测性能和机特性均优于两种次最佳系统。     

基于移动代理的分布式入侵检测系统研究

分析当前入侵检测系统存在的不足.提出将移动代理技术应用到入侵检测系统中,利用MA的移动性、智能性和分布性的优势,提高入侵检测系统的处理效率、自适应性和扩展性,并且减少网络中数据传输量.将Aglet开发环境作为该入侵检测系统的开发平台,将事件处理和数据动态分配到网络各节点,通过自动学习、智能判断,增强系统检测能力.     

分布式防火墙的网络安全系统研究

针对单一的网络安全技术已经无法很好的解决日益复杂的网络安全问题,提出了一种新型的安全系统。该系统基于分布式防火墙环境,结合分布式入侵检测技术,并利用专家系统使两者协同工作,实时检测并响应动态的网络安全事件,弥补了单一网络安全系统的不足,可以很好的满足网络安全的要求。     

混合型分布式入侵检测系统模型

在分析入侵检测研究现状的基础上,对分布式入侵检测系统广泛采用的基于组件和基于代理的两种分布式入侵检测模型进行了深入的研究。结合两种模型设计了一种基于网络入侵检测系统和基于主机入侵检测系统的混合型分布式入侵检测系统,并对系统各部分的功能、工作流程、消息格式、通信方法展开了讨论。最后给出了系统的部署方案以及实验过程。实验结果表明:该系统可以准确地检测出以上多种类型的攻击行为,并及时地采取相应措施,阻断攻击者的网络连接。     

分布式发电系统逆变器侧孤岛检测及非检测区描述

针对分布式发电系统逆变器侧孤岛检测方法进行综述研究,对孤岛检测方法进行分类,并分析各种孤岛检测方法的原理和优缺点,阐述孤岛检测的非检测区（NDZ）4种常用的描述方法,说明了不同NDZ描述方法的适用场合和特点;指出通过频域分析技术优化增益控制可以减小但不能完全消除NDZ的误差,而采用不同检测原理的组合检测方法有可能实现无NDZ的孤岛检测．     

一种分布式入侵检测系统的解决方案

入侵检测系统（IDS）可以实时检测、反映和保护信息系统,但传统的入侵检测系统存在体系结构单一、协同机制差、IDS单点失效等问题,文章提出了解决上述问题的一种分布式入侵检测系统方案．     

基于并行遗传算法的电力系统无功优化

为了快速有效地求解大型电力系统无功优化的问题,提出了一种基于局域网的分布式并行遗传算法,采用主从式模型来组织局域网内的多台计算机进行并行计算,整个并行系统由一个主处理器和若干个从处理器组成。根据无功优化的特点,为了找到全局最优解,就目标函数及相关参数值的选取和遗传操作进行了改进。算例表明,该方法不仅有效地减少了系统的网络损耗,而且显著地提高了计算速度。     

Blockchain-based bio-inspired distributed detection approach

The bio-inspired detection system has aroused wide attention in the fields of 5G and the Internet of things for the intrinsic features (e.g, inherent adaptivity, resiliency, and global intelligence). This paper first analyzes the architectural composition and potential security risks of such bio-inspired detection systems. Traditional distributed detection systems may suffer from man-in-the-middle attacks and collusion attacks. In this paper, a blockchain-based distributed security detection method, BDAF (Blockchain-based Digital Ants Framework), is proposed to address these problems. This method uses aggregate signatures to improve the privacy of the system, encrypt detection data, and conducts distributed threat assessment based on a consensus mechanism. The BDAF transforms the bio-inspired threat detection system into a blockchain application, which effectively improves the robustness by taking advantage of the structural benefits of the blockchain.     

一种高阶费歇耳信息矩阵分布式求逆方法

为获得多智能体系统任意耦合型无向网络导航克拉美-罗下界的显示表达式,简化高阶费歇耳信息矩阵求逆过程,提出了一种分布式求逆方法,即矩阵分块对角化求逆方法。首先,针对任意耦合型无向网络导航定位模型,构造了高阶费歇耳信息矩阵,并结合其对称特点及矩阵元素与网络拓扑间的对应关系,将其分解为两个分块对角矩阵的线性组合,它们分别包含所有节点和边的费歇耳信息量。其次,通过两次运用矩阵求逆引理,推导了费歇耳信息矩阵的逆即克拉美-罗下界以及网络节点等价费歇耳信息矩阵的显式表达式;同时引入了迭代过程,将整个求逆过程完全分解为若干个低阶矩阵间的运算,以减小单步运算量。最后,通过数值试验对该算法进行了验证,并与矩阵分块迭代求逆法进行了对比分析。结果表明,两者均具有较高的计算效率和精度,但本算法运算量更小,计算速度更快,从而验证了算法的准确性和有效性。该算法可用于分析任意耦合型无向网络导航定位模型中各节点或边费歇耳信息的融合过程。     

Sequence detection data fusion with distributed multisensor

o-Inarentyeaxstherehasbeenanincmeinginterestindistributalsemersystem,heauseofthedevloPmentofndlitaIysurveillanesystem,intelligencerohaandau-toInaIhationofpeduchonPmeess.Becauseoftheincrm-ingnedrofsensors,andthecorreationPIDCessingofsensodata,andotherfactorssuchascost,reliability'suwivability,andfinitebandwidth,theqUeshonofdis-tributedseqUencedetectionandthecormSPOwhnginforYna-tionprocessinghasbeenpropounded.Inthedatafusioncenterofthedistributeddetectionsystem,onlythedeteC-tiondata(btw-va…     

A distributed inverse iteration method for eigenvalue analysis of interconnected power systems

Since China power grids have a hierarchical architecture in operation and management, centralized computation patterns are difficult to meet the demands of small-signal-stability analysis of the bulk interconnected power systems. A distributed eigenvalue algorithm derived from the inverse iteration method is proposed. It can not only obtain eigenvalues and eigenvectors from power system state matrix but also provide participation factors of all generators. In the computing process, the algorithm only requires exchanging data of boundary nodes and a small amount of other information of different regions. Therefore, it is very suitable to be deployed in a WAN (wide area network) based distributed environment. The algorithm has been tested on an IEEE39 system. Recommended by Prof. LU Qiang, Member of Editorial Committee of Science in China, Series E: Technological Sciences Supported by the National Basic Research Program of China (Grant No. 2004CB217903)     

减少速度更新频率的混沌粒子群算法

把速度更新策略和混沌优化相结合,提出了减少速度更新频率的混沌粒子群算法．该算法根据群体适应值的方差进行早熟收敛判断,从而使算法摆脱后期易于陷入局部最优点的束缚,同时又保持前期优秀的搜索速度的特性．通过几个基准函数测试,结果表明,新算法的性能较基本粒子群优化算法有明显的改善．