基于SPA的攻击模型BBFPAN双枝集对分析模型

针对以双枝模糊决策和模糊Petri网为基础的攻击模型BBFPAN在描述网络攻击进展情况方面存在的问题,提出了一种BBFPAN双枝集对分析模型.该模型发掘了网络攻击模型BBF-PAN中对层次的集对关系,并对这些集对进行了双枝集对分析,用联系度表示攻击模型BBF-PAN中因素对网络攻击效果的支持程度,用贴近度表示决策分量与攻击和防御成功相对隶属度的接近程度,同时给出了BBFPAN双枝集对分析的基本步骤,为集对分析理论在攻击模型BBF-PAN的推理过程中的应用奠定了基础.     

基于知识图谱推理的网络攻击识别方法

针对在海量网络数据中识别网络攻击的问题，运用知识图谱推理能力，提出了基于知识图谱推理的网络攻击识别方法。首先利用Turtle文件解析算法将ttl格式文件解析为能够应用于知识嵌入模型的形式；其次，构建系统状态本体，为不同的系统状态实例提供统一的上层描述，提高利用网络安全知识图谱分析系统状态的可行性；最后，利用基于TransH模型得到图模型中的各类实例数据的嵌入表示，并从候选攻击模式中推理潜在的网络攻击行为。通过实验进一步验证了所提方法的可行性和有效性。     

一种基于动态建链推理的网络攻击过程分析方法

提出一种动态漏洞链构造推理网络攻击过程的分析方法。以漏洞间推理关系为前提,从受害主机入手,构造有色加权有向图,在多日志中查找漏洞被利用的解释信息,并由查找结果对漏洞链动态剪枝,得到主机漏洞攻击链和攻击该受害主机的嫌疑主机,对嫌疑主机迭代分析,推理出网络漏洞攻击链。实例表明该方法能够快速有效地实现网络攻击过程分析,并且具有良好的可扩展性。     

基于加权模糊Petri网的无人机自主任务推理决策研究

围绕无人机搜索/攻击自主任务推理决策典型想定,针对无人机自主任务推理决策规则中存在的不同输入命题对结论的贡献和影响不同,对加权模糊Petri网(weighted fuzzy petri nets,WFPN)形式化推理算法进行了深入研究;设计了双机自主搜索/攻击任务推理决策规则集;为进一步适应上述想定下规则集中存在的多条规则的输出命题是相同的情形,对WFPN形式化推理算法进行了改进;应用分层的策略,采用改进的WFPN形式化推理算法和上述设计的规则集,仿真验证了双机搜索/攻击自主任务推理结果的合理性,并降低了推算过程中矩阵的维数。     

基于MAS远程教学系统中学生模型的设计

为了改善传统的基于Web的远程教育缺陷,提出了一种基于MAS(多Agent系统)的远程教学模型,并利用Agent的智能推理能力对模型中的核心模块——学生模型进行设计.采用模糊理论进行智能推理,并给出了学生知识水平估算和学生情绪估算的Agent的推理算法.采用JAVA2将学生模型在自测系统中得以实现,并分析了测试结果.该系统推理算法简单有效,增强了远程教学的智能性和适应性,可有效改善教学效果.     

仿真环境中的网络攻击模型设计

阐述了仿真环境中的网络攻击模型的设计,建立了一个网络攻击仿真模型,用以产生网络攻击,以达到摧毁网络的机密性、完整性和可用性的目的;采用知识表达的方法来建立模型,该模型包含具有知识库和推理机的专家系统,通过随时间而变化的量,使模型具有基于仿真时钟的推理能力;在攻击模型的设计中,定义了它的基本状态和状态跃迁函数,说明了模型的行为,以及攻击策略的制定,最佳策略的选择,攻击选择原则等问题。     

基于多源波束形成的网络攻击特征提取算法研究

提出了一种基于多源波束形成的网络攻击特征提取算法进行网络攻击检测;构建了多源分布下的网络攻击信号模型,实现了对网络攻击数据的采集和信号拟合;采用二阶格型陷波器实现了对攻击信号的抗干扰滤波处理;采用多源波束形成进行网络攻击的包络特征提取,提高了网络攻击信号的空间增益和在时间尺度上的指向性.仿真结果表明,采用该算法进行网络攻击特征的提取,能有效提高对网络攻击检测的准确概率,性能优越,在网络安全防御中有重要的应用价值.     

多传感器信息融合的分层着色Petri网模型

该文以导弹攻击系统为例,提出了一种基于分层着色Petri网理论建立多传感器信息融合系统模型的方法。该方法运用着色Petri网理论克服了以往用普通Petri建模的不足,细化了其系统模型的中间过程,同时给出融合中心的数据融合算法和指挥中心的神经网络解析算法。基于分层着色Petri网建模与分析方法有利于融合系统的性能分析和行为仿真的实现。     

基于CBR技术的入侵检测系统研究

目前,成熟的商用入侵检测系统都是基于特征或者规则的精确匹配,如果攻击模式过于特殊或者攻击者采用一些躲避检测的手段,就容易产生误报或漏报,从而降低入侵检测系统的准确性。针对当前入侵检测系统存在的缺陷,提出了一种基于案例推理技术(Case-Based Reasoning,CBR)的入侵检测系统模型,并在该模型基础上提出了基于Snort的预处理模型以避免推理产生的系统资源过度消耗问题;提出了基于分层结构的案例库维护模型以解决案例质量问题和访问效率问题;设计了一种基于变权值的CBR引擎搜索匹配算法以提高搜索精度。仿真实验证明了上述系统可以有效地解决躲避攻击问题,其检测正确率较传统系统有所改善。     

基于模糊逻辑推理的BP神经网络及其应用

阐述了ＢＰ神经网络的原理及学习算法,在结合模糊逻辑推理的基础上提出了一种具有分层结构,能够进行规则自提取、自修正、自学习的复合模糊ＢＰ神经网络模型。这种模糊神经网络不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中通过不断学习获取新的知识和推理规则。同时,在相应的网络权值训练中引入了遗传算法和模糊逻辑控制器的优化求解思想。还进一步探讨了将这种网络模型用于汇率分析系统的形式和方法。     

基于加权模糊推理网络的文本自动分类方法

针对数据挖掘中的文本自动分类问题,提出了一种基于加权模糊推理网络的分类方法．网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点．根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法．该算法以文本特征谓词的真度作为分类依据,体现了模糊分类的思想以旅游站点网页分类为例验证了该方法的有效性。     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

基于ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

具有作用规则选择功能的模糊控制器硬件实现方法

基于很多条模糊控制规则的模糊逻辑推理软件化实现方法有时难以满足快时变过程控制的要求,而基于部分规则的模糊推理硬件化实现方法则具有非常高的推理速度.提出了一种基于作用模糊子集推理的数/模混合推理结构,讨论了其实现原理,并用HSPICE完成了电路的仿真试验.结果表明,当规则数增加时,具有此结构的模糊控制器的器件数目增加很少,大大节省芯片面积,而且具有纳秒级的推理速度.     

基于规则的演绎与诱导混合推理

基于规则的推理应该充分利用相关信息，尽量模仿交替地使用正向和逆向求解的思维方式，定义了可改变推理方向的推理过程。为了实现这种推广过程提出了基于规划演绎与诱导的混合推理方法。     

工程分析专家系统的问题求解黑板模型

问题求解模型是组织推理步骤和领域知识进行问题求解的一种模式，木文主要讨论了基于黑板模型的工程分析专家系统的设计方法，包括专家策略知识的多层次表示．深度优先搜索及推理网格的实现，协同式多专家系统的多级推理网络模型的构造，解释机构与人机接口设计以及推理算法．     

基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...     

一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。