基于信道状态信息相位差的人员入侵检测方法

目前基于Wi-Fi的人员入侵检测方法缺少对相位信息的利用,从而限制了入侵检测的适用范围和感知距离.讨论了信道状态信息相位差的可行性,采用轻量级的指标来感知无线环境的状态变化.利用递归量化分析法对静止情况下的子载波进行挑选,采用离散小波变换提取呼吸信号,进一步判断当前环境是否有人入侵.不同实验场景的结果表明,运动和静止人员的检测精度都可以达到90％.     

基于拉普拉斯特征映射学习的隐匿FDI攻击检测

智能电网中的隐匿虚假数据入侵(False data injection, FDI)攻击能够绕过坏数据检测机制, 导致控制中心做出错误的状态估计, 进而干扰电力系统的正常运行. 由于电网系统具有复杂的拓扑结构, 故基于传统机器学习的攻击信号检测方法存在维度过高带来的过拟合问题, 而深度学习检测方法则存在训练时间长、占用大量计算资源的问题. 为此, 针对智能电网中的隐匿FDI攻击信号, 提出了基于拉普拉斯特征映射降维的神经网络检测学习算法, 不仅降低了陷入过拟合的风险, 同时也提高了隐匿FDI攻击检测学习算法的泛化能力. 最后, 在IEEE57-Bus电力系统模型中验证了所提方法的优点和有效性.     

虚假数据注入攻击信号的融合估计

研究了信息物理系统中假数据注入(False data injection, FDI)攻击信号的检测问题. 在分布式融合框架下, 首先将FDI攻击信号建模为信息物理系统模型中的未知输入, 从而使得攻击信号的检测问题转化为对FDI攻击信号的实时估计问题. 其次, 在每个传感器端设计基于自适应卡尔曼滤波的FDI攻击信号的局部估计器; 在融合中心端引入补偿因子, 设计分布式信息融合准则以导出攻击信号的融合估计器. 特别地, 当FDI攻击信号是时变情况时, 融合过程中补偿因子的引入可以大大提高对攻击信号的估计精度. 最后, 通过两个仿真算例验证所提算法的有效性.     

时变信号相位差估计的相频匹配方法

为提高科氏流量计信号的相位差估计精度,提出一种时变信号相位差估计的相频匹配方法。该方法通过时变信号与参考信号的频率匹配、时变信号的相移信号与其正交分量的相位匹配、参考信号与时变信号及其相移信号的互相关获得时变信号的相位差估计值。计算验证结果表明:该方法准确实现了时变信号的90°相移,有效提高了时变信号的相位差估计精度。科氏流量计流量检测实验证实了所提方法的有效性和优越性。     

利用WiFi-CSI实现室内人数及动作感知

本文提出了一种基于WiFi信道状态信息(Chanel State Information,CSI)相位差与深度学习的人数检测及动作识别方法.该方法设计了一种相位差矫正算法对CSI信号进行预处理,消除跳变干扰,将矫正后的相位差作为深度网络的输入,并运用深度残差网络提取分类的代表性特征.实验结果表明,该方法在室内环境中,人...     

粗糙集和决策树方法在IDS中的应用研究

人侵检测系统(IDS)是数据挖掘的一个热门应用领域.为了解决当前建立的入侵检测系统缺少有效性的问题,文中首先介绍入侵检测系统产生的背景和入侵检测系统的特点,分析决策树归纳学习的过程,从数据挖掘的角度,首先使用粗糙集进行属性约简,运用决策树学习方法对入侵检测数据进行归纳学习.从结果看出粗糙集和决策树学习方法在建立入侵检测系统上的有效性和实用性.     

光纤传感网络小样本入侵信号边际谱标记检测

光纤传感网络中,小样本人工入侵信号由于没有入侵经验数据做识别背景,其首次入侵特征标记一直是一个难点。设计了一种光纤传感网络小样本人工入侵信号动态提取方法。首先采用高斯滤波器对光纤传感网络信号做去噪处理,消除光纤传感网络信号中存在的噪声信号对入侵信号提取产生的干扰。然后结合希尔伯特变换方法和经验模态分解方法,构建光纤传感网络信号的Hilbert边际谱。将光纤传感网络信号的Hilbert边际谱作为信号的标记特征,输入SVM分类器中,完成光纤传感网络小样本人工入侵信号的动态提取。仿真结果表明,所提方法的噪声信号、敲击信号和晃动信号事件识别率平均值分别为95.5%、91.5%及89.5%,当时域信号采样点数量为5 000个时,所提方法的信号提取时间为0.245 s。     

用EMD和小波消噪的加速度信号压缩重构新方法

针对噪声破坏加速度信号稀疏性、降低其压缩感知重构算法性能问题,提出了一种用经验模态分解(EMD)和小波分析联合消噪的加速度信号压缩重构新方法.该方法首先采用EMD和小波阈值联合消噪方法对加速度信号消噪处理,保持加速度信号内在稀疏性;然后基于压缩感知理论和加速度信号块结构信息,采用块稀疏贝叶斯学习算法以高概率重构原始加速度信号.采用USC-HAD人体日常行为数据库中的加速度信号验证本文方法的有效性.实验结果表明,本文所提方法的信噪比和均方根误差明显优于未经消噪处理的压缩感知重构算法,能够有效抑制加速度信号噪声,增大加速度信号稀疏度,提高加速度信号压缩重构算法性能.     

基于云计算的电力系统入侵检测仿真与研究

针对电力系统网络中海量、高维的入侵行为数据,在研究了分布式云计算、粗糙集、基因表达式编程等技术基础上,提出了一种基于混合基因表达式编程和云的分布式入侵检测方法。该方法利用粗糙集约简方法对噪声数据进行查找、剔除或校正,以减少噪声对属性约简的影响。进一步,利用云计算和混合基因表达式编程算法,提高对海量高维网络日志数据的及时、准确响应和处理。在仿真环节,对于KddCup 99、实测数据集、KddCup噪声数据集和NSL-KDD数据集,所提方法的检测准确率(DAR)为93.5%、91.9%、93.5%和89.9%,与基因表达式编程(GEP)、遗传算法(GA)和遗传规划(GP)相比,所提方法的DAR分别提高了1.28倍、1.27倍和1.45倍;虚警率(FAR)最大分别减少了9.74倍、32.99倍和17.06倍。仿真结果进一步验证了所提方法可以大大降低入侵数据集的复杂度,从而提高算法的全局搜索能力。     

低信噪比下基于频域滑动滤波算法的DS/BPSK信号检测

提出了一种低信噪比下DS/BPSK小信号检测方法,该方法根据相关器输出信号在载频上功率的大小来检测有无信号.为了克服载频估计误差的影响,提出了"频域滑动滤波"算法计算载频上的信号功率.仿真结果验证了该方法的有效性.该方法完全以软件方式实现,可以借助计算机或DSP达到快速检测的目的.文中分析了检测原理,给出了工程技术实现.文中所提的小信号可以作为标识信号线性加入到通信信号中,通过检测该小信号的有无可以快速识别通信信号的某种属性.