基于模糊粗糙集属性约简与GMM-LDA最优聚类簇特征学习的自适应网络入侵检测

网络入侵方式已日趋多样化,其隐蔽性强且变异性快,开发灵活度高、适应性强的实时网络安全监测系统面临严峻挑战.对此,提出一种基于模糊粗糙集属性约简(FRS-AR)和GMM-LDA最优聚类簇特征学习(GMM-LDA-OCFL)的自适应网络入侵检测(ANID)方法.首先,引入一种基于模糊粗糙集(FRS)信息增益率的属性约简(AR)方法以实现网络连接数据最优属性集选择;然后,提出一种基于GMM-LDA的最优聚类簇特征学习方法,以获得正常模式特征库和入侵模式库的最优特征表示,同时引入模式库自适应更新机制,使入侵检测模型能够适应网络环境动态变化.KDD99数据集和基于Nidsbench的网络虚拟仿真实验平台的入侵检测结果表明,所提出的ANID方法能有效适应网络环境动态变化,可实时检测出真实网络连接数据中的各种入侵行为,其性能优于当前常用的入侵检测方法,应用前景广阔.     

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．     

身份管理发展趋势和中国科学院身份管理系统

用户通过使用网络身份访问互联网应用及服务。身份管理整合了用户身份信息保护和资源访问控制等诸多技术,为优化用户体验奠定基础。本文基于网络身份特点及身份管理基础框架,分析了身份管理的发展趋势,并介绍了基于云架构的中国科学院统一身份管理系统应用案例,该系统使用单点登录、多重认证和多级安全策略,实现了应用服务间网络身份的安全高效部署及融合。     

网络虚拟社会的有序活动依赖eID

eID是政府身份管理职能部门签发的、普适性的网络身份证件。本文通过对网络身份证件的需求分析及对国外网络身份管理建设的研究,指出了当前我国网络虚拟社会身份信任体系存在的问题,提出了借鉴我国居民身份证制度管理现实社会的成功经验、依托现有身份管理的行政体系尽早发行网络身份证件;并针对我国数字认证行业发展的状况,提出了对我国网络身份建设统筹规划的建议。     

基于广告联盟的虚拟身份画像方法研究

目前,网络虚拟账号繁多,大多数账号无需实名认证便可使用,这样不利于网络空间的安全维护与监管。针对这一情况,提出一种以虚拟账号为属性的网络空间身份画像方法。该方法首先利用大数据预处理技术实现从无关联的http post数据提取网络虚拟账号;然后,基于广告联盟机制,利用页面标签技术中Cookie存储用户唯一ID,将虚拟身份进行关联绑定与关联分析,进而构建虚拟身份画像原型;最后通过相似度计算方法,完成相似画像原型的重组。实验结果表明,该方法能有效刻画网络空间身份。     

一种基于粗糙集理论的文本分类方法

在网络这个庞大的虚拟图书馆中，占信息比重最大的文本数据却缺乏结构化、组织化的规整性，大大降低了网络文本信息的利用效率，而文本的自动分类技术则能降低网络的查询时间，提高网络搜索质量。文章提出了一种基于粗糙集理论的文本分类方法。     

Web 2.0下基于案例的知识管理系统

为实现Web 2.0环境下网络知识的获取和共享,提出一种基于案例的知识管理系统。采用案例推理的方法实现知识管理,根据Web 2.0网络环境的特点,在案例表达阶段,为每个案例设置标签属性,使其能实现开放性分类。在案例检索阶段,将领域本体引入相似度的计算。利用人工神经网络算法、用户录入案例标签维护案例库和本体库。实验结果表明,该系统能快速检索出具有较高相似度的历史案例。     

基于贝叶斯网络约简的铁路应急决策方法

为了解决决策属性的冗余问题,降低决策推理过程的复杂性,实现在信息不完备情况下铁路应急决策的智能化,基于粗糙集理论与贝叶斯网络提出一种新的铁路应急决策方法。利用基于信息熵的粗糙集知识约简方法提取最小决策信息集,实现对应急态势信息集的约简,从而减少态势网络节点数目,降低贝叶斯网络的复杂性。基于约简后的贝叶斯网络模型实现了铁路应急态势预测的概率决策推理。案例分析表明该方法能够满足铁路应急决策需求以及在信息不完备条件下的有效性。     

基于指纹识别的虚拟硬盘研究

为防止机密数据不被窃取或篡改,本文提出一种基于指纹身份识别的虚拟硬盘文件加密存储方法。该方法是在Windows设备驱动程序的基础上,利用指纹识别技术和虚拟硬盘驱动程序,实现用户身份的唯一认证和文件的安全性管理。实验证明,该方法是一种安全、高效、实用的加密存储方法。     

网络硬件虚拟实验室中虚拟元器件和虚拟设备库建模方法的研究

简述网络硬件虚拟实验室系统中虚拟元器件与虚拟设备库(以下简称为虚拟元件库)的建模方法。提出模型库需要满足的几个条件,在此基础上将面向对象的方法运用到虚拟元器件库和虚拟设备库的建模中,根据组成虚拟实验系统的实体对象及其之间的关系来构造仿真模型,使模型具有良好的独立性、可扩展性、可维护性和可重用性。     

面向上下文图形可视化挖掘企业网络行为

在企业分布式网络系统中,精确、动态地发现用户的网络行为日益具有挑战性。目前网络管理系统主要依赖于对用户身份的推理来进行网络行为管理,此类方法由于所收集到的数据缩放比粗糙,从而在大规模的网络环境下不能精确地对网络行为进行挖掘、发现和管理。对主机、用户、应用程序等网络上下文内容进行可视化挖掘,为动态地进行网络管理提供了重要帮助。     

面向上下文图形可视化挖掘网络行为与管理

在大规模网络系统中,精确识别谁在做什么具有挑战性。目前的网络管理系统主要采取对用户身份推理,此类方法由于收集的数据粗糙,因此在大规模的网络环境下不能精确地对网络行为进行挖掘、发现和管理。采取对主机、用户、应用程序和数据访问等网络上下文内容进行可视化挖掘,从而为网络管理过程的动态化提供了重要帮助。     

基于粗糙集数据分析的可拓推理机制研究

目前可拓变换推理中的可拓变换主要依靠历史资料、人为指定或过往经验来进行,这大大制约了可拓变换在智能化推理中的应用。为解决此问题,提出了一种基于粗糙集数据分析的可拓推理机制。该机制首先采用粗糙集对数据进行分析来获取分类及规则知识,然后利用这些知识来指导可拓推理,从而实现了可拓变换及推理的可控性和高效性,为可拓推理的智能化应用莫定了基础。     

粗糙本体支持的知识推理框架

基于精确本体的推理机不能够直接应用到粗糙本体的知识推理中,因此目前还没有适合粗糙本体的推理机。根据粗糙本体的特点,将其中的粗糙集、粗糙描述逻辑、粗糙包含和知识推理作为研究对象,在此基础上将基于描述逻辑的推理方法与基于规则的推理方法相结合,提出一种粗糙本体支持的知识推理框架,实现了粗糙本体的推理功能,解决了针对不确定信息的知识推理问题。     

粗糙逻辑的计量化研究

将计量化方法引入到粗糙逻辑的研究当中,在一种典型的粗糙逻辑[LR]中引入了公式的粗糙真度概念。在此基础上,提出了公式之间的粗糙相似度、粗糙伪距离等概念,得到了粗糙逻辑度量空间。在粗糙度量空间中提出了两种不同的粗糙近似推理模式。这一结果实现了粗糙集与计量逻辑学这两种不同的处理近似问题理论的融合,同时对进一步丰富基于粗糙集的近似推理有一定启示。     

Fuzzy reasoning based on a new fuzzy rough set and its application to scheduling problems

In this paper, we study the fuzzy reasoning based on a new fuzzy rough set. First, we define a broad family of new lower and upper approximation operators of fuzzy sets between different universes using a set of axioms. Then, based on the approximation operators above, we propose the fuzzy reasoning based on the new fuzzy rough set. By means of the above fuzzy reasoning based on the new fuzzy rough set, for a given premise, we can obtain the fuzzy reasoning consequence expressed by the fuzzy interval constructed by the above two approximations of fuzzy sets. Furthermore, through the defuzzification of the lower and upper approximations, we can get the corresponding two values constructing the interval used as the fuzzy reasoning consequence after defuzzification. Then, from the above interval, a suitable value can be selected as the final reasoning consequence so that some special constraints are satisfied as possibly. At last, we apply the fuzzy reasoning based on the new fuzzy rough set to the scheduling problems, and numerical computational results show that the fuzzy reasoning based on the new fuzzy rough set is more suitable for the scheduling problems compared with the fuzzy reasoning based on the CRI method and the III method.     

案例特征权重自动学习方法研究

重点讨论了基于案例推理中特征权重的自动学习方法。通过认真分析现有的一种利用粗糙集理论进行权重自动学习的算法 ,指出了该算法中存在的一些问题 ,最后提出了一种改进的权重自动学习算法 ,并通过实例对两种算法进行了比较     

基于粗集理论的归一化方法

针对神经网络分类器在不同类样本间距离较近时训练速度较慢的缺点,提出了基于粗集理论的归一化方法。利用粗集理论对样本进行归一化处理后,用处理后的样本对神经网络进行训练。并以配电网故障选线为例,对该方法进行了分析。仿真实验结果表明,样本处理后的神经网络训练时间明显缩短。     

Rough Set Models on Two universes

This paper focuses on rough set models on two universes and reveals some new properties. A revised rough set model is proposed which provides a new selection of interval structures for uncertain reasoning using rough set theory and methods.     

基于粗糙集的网络安全评估规则提取

给出了基于粗糙集的网络安全评估指标的约简方法。提出了一种利用粗糙集理论提取网络安全评估规则,进而利 用评估规则构建网络安全评估决策系统的算法。利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取 方法是有效的。