基于流量分析的大数据环境敏感数据识别方法

伴随的大数据技术的兴起,电信运营商的承载的大量的客户敏感信息,如何保障大数据环境下,结构化敏感信息的安全,构建第三方敏感数据发现与审计装置,满足法律法规及监管部门的审计要求,是急需要解决的问题。利用DPI流量分析能力,结合实际项目提出了一种基于动态补偿策略的大数据敏感数据识别方法,解决了目前大数据敏感数据识别装置与大数据平台强耦合,敏感数据发现审计无法作到独立公正,静态存储阶段数据文件量庞大无法快速实现敏感数据发现等问题。     

大数据环境下基于反馈的敏感数据识别方法研究与实现

随着大数据时代的到来,敏感数据的保护成为运营商面临的重大挑战。敏感数据的准确标识是进行数据保护的前提,深度报文检测技术能够松耦合、实时的对流量进行检测和标识,使其成为当下大数据平台下敏感数据标识的一种重要方式。然而其高存储高计算的资源需求成为制约其应用和发展的痛点。本文提出了一种基于反馈的高速敏感数据识别方法,通过建立会话表的方式,实时记录识别的状态,大幅降低需要深度检测的数据量,提升了检测的效率。     

基于指纹特征融合的辐射源识别方法

提出了一种利用辐射源＂指纹＂特征融合识别辐射源的方法。首先分析了功放信号模型、接收信号模型、频率和重复频率稳定度;然后定义了四个＂指纹＂特征;在此基础上利用获取的指纹特征构造辐射源特征数据库,结合D-S证据理论给出了识别算法的步骤和框图。依据该方法对四部雷达辐射源进行了指纹特征提取,采用融合技术进行了仿真实验,结果表明基于指纹融合的方法能有效地识别辐射源。相比于经典的模板匹配法、模糊识别法,指纹特征有更高的稳定性,对信噪比不敏感,辐射源的识别率较高。     

基于用电数据和机器学习的窃电行为识别方法

针对现有基于用电数据的窃电行为识别性能不佳的问题,提出了一种基于差分进化SVM的识别方法.电网中窃电用户占比较少,样本数据集分类严重不平衡,为此利用 K-means聚类提取少数类中心,再通过SMOTE算法生成窃电样本,提高数据集平衡性.然后,构建了基于SVM的窃电行为识别模型,并利用差分进化实现参数寻优.实验结果表明,...     

一种基于星点特征不变原理的快速星图识别方法

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理,结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点,采用K向量法提高搜索效率,同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法,并进行了仿真。结果表明,算法的识别效率可达97.8%,平均搜索时间可达14.4ms,能够满足准确率高、识别速度快的要求。     

基于中心矩特征的空间目标识别方法

目标的雷达散射截面（RCS）包含了丰富的目标类别信息,有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性,是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量,再采用Fisher判据进一步进行特征压缩,最后利。用支撑矢量机（SVM）分类算法实现识别。基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力。     

基于茶叶红外光谱的特征识别方法

通过对识别理论的研究分析,建立了特征基理论,选择合适样品建立的光谱特征基,能反映样品的综合特征信息,从而对多组分物质进行识别研究;以茶叶样品为分析对象,进行了特征基理论的应用研究,实现了对重度发酵茶和普洱熟茶的识别;以普洱熟茶识别为例,通过比较特征提取前后茶叶的识别效果,分析了光谱分辨率问题,结果显示:特征提取后茶叶类内平均距离减小为原来的2×10-3倍,类间相对平均距离增大为原来的4~66倍,类间最小最大距离比值增大为原来的34~156倍,所以类内聚集度增大,类间分散度增大,即特征基理论使光谱分辨率大幅度提高.     

基于特征步态的身份识别方法

本文提出了一种有效实用的基于步态的身份识别方法。通过提取目标行走的差分步态图像,将目标运动过程的动态信息转化为二维平面中的静态信息,利用K-L变换进行特征提取,使用标准的分类器进行分类。在中科院自动化所提供的NLPR数据库上做了大量的仿真实验,验证识别性能。     

基于信号特征优先级的调制样式识别方法

对信号的调制样式识别中,传统的识别方法主要是提取信号的专家特征,再基于所提取的特征参数进行判决与分类.当识别的信号种类较少时,可通过单个参数识别出某种信号,但是当信号种类较多时,很难通过某一个参数将某种调制样式从其他调制样式中识别出来,因此本文通过研究不同信号特征在信号识别过程中的先后顺序作为判定依据,设计基于信号特征...     

基于支持向量机和无源特征的目标识别方法

通过引入机栽雷达辐射这一无源特征.采用多类分类支持向量机进行类型识别,提出了一种更有效的目标识别方法.无源特征是有用信号和噪声的叠加.具有一定程度的不确定性,采用范数熵衡量无源特征,类间距较大,类内聚集性较强,还可以抑制噪声.支持向量机分类器结构简单、可获得全局最优、泛化能力强,多类分类支持向量机解决目标识别问题高效而且实用.实验证明,该方法明显地提高了目标识别的正确率.     

基于transformer的非结构化文档敏感数据识别方法研究

当前针对结构化的敏感数据识别方法已趋于完善,然而对于非结构化文档类的智能识别仍然处于研究阶段。基于此迫切需求,本文提出一种基于transformer的非结构化文档敏感数据识别方法,融合Word2vec词嵌入模型和transformer模型,通过自注意力机制有效获取上下文的语义关系,并利用并行计算实现快速高效的识别。最后对实验数据进行模拟和计算,得到了较高的识别准确率,证明了本算法的有效性。     

基于数据融合的识别方法研究

D-S证据理论是一种适用于不确定决策问题和风险型决策问题的决策方法,它满足比概率论更弱的公理系统,不要求事先给出先验概率,因而具有比贝叶斯方法更广泛的应用范围。将其引入模式识别领域中,并结合神经网络容错能力强,自适应学习等一系列优点,对待识别的手写体数字进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了数字各方面特征的优势互补,进一步提高手写体数字的识别率。     

一种基于支持向量机的多生物特征融合身份识别方法研究

融合人脸和指纹等特征信息进行身份认证识别。在对人脸图像使用主成分分析法降维和Herr-like方法特征提取、对指纹图像进行细节特征点提取的基础上,采用支持向量机进行融合识别。同时,采用一种改进的高斯核函数构造支持向量机。实验结果表明,该方法有效地提高了识别率和泛化能力。     

基于Hadoop的大数据网络安全实体识别方法

本文主要针对Hadoop的大数据网络安全实体识别方法展开研究,希望能够为相关工作者提供理论帮助。     

基于局部和整体特征的飞机识别方法

随着卫星图片分辨率的提高,为了更准确的对机场区域飞机进行识别,首先对图像分割得到待处理的有限识别区域,然后采用局部特征和整体特征对图像中各区域进行判定,排除干扰区域。同时为了减少飞机识别时间,用图像配准方法将测试飞机方向固定,这样飞机库中不需要全方位的飞机图片,大大减少了飞机数量,减小了计算复杂度。实验结果表明该方法在飞机识别中有较好的识别效果。     

基于无线通信的工业控制网络异常数据识别方法

随着工业无线通信技术的逐步发展与国际化,它在工业自动化领域中发挥着举足轻重的作用。近年来,工业控制网络的安全问题受到了广泛的关注,针对工业网络中异常数据的识别研究也得到重视。目前,工业网络数据异常识别方法可以处理的大部分数据是单维的,并且数据检测只能在被测量的单个项目上执行,测量网络数据的方法复杂且检测非常不方便,测量的精确度不高。为了解决此类问题,通过查找大量的文献,对数据进行对比分析,基于无线通信的异常数据识别是针对工业网络,检测无线网络的数据,找到了一种可以检测待测多个指标数据的异常识别方法,经过实验证明可提高网络数据识别的可靠性和安全性。     

基于敏感数据业务特征的监控方法

本文通过敏感数据的精确匹配、业务场景的配置与赋值、监控规则的配置与赋值等方法,更加严谨地实现敏感数据的监控,从而提高敏感数据监控的准确性,降低敏感数据泄露的风险。     

基于联合特征的雷达假航迹干扰识别方法

目标回波信号的时频域特性是由目标的散射特性与运动特性决定的,能形成假航迹的欺骗干扰信号的时频域特性是由干扰机的调制特性决定的,干扰机难以完全仿真目标的散射特性与运动特性,二者之间在时频域的差异是假航迹干扰信号识别的基础.文中将航迹特征与信号特征联合,建立了多普勒频率与目标航迹信息、正交相参视频回波信号的关系模型,通过对...     

基于雷达回波极化特征的电力线识别方法

现有的雷达对电力线的探测能力严重不足,这严重威胁低空飞行器如直升机的飞行安全。研究表明,线状物体对雷达垂直极化和水平极化信号响应强弱具有明显差异性,我们利用回波信号的极化特性建立起多维特征空间,并在该空间内完成电力线目标的感知、分类。某在研直升机低空防撞雷达的实测飞行数据表明,在利用极化信息所构建的特征空间内可有效区分电力线目标和虚假目标,准确率达到91%以上。该方法将有利于推动电力线障碍物预警雷达走向实用化。