多级异构无线传感器网络能量优化分簇算法

针对现有异构无线传感器网络分布式分簇结构路由算法的竞选簇头机制并未充分考虑节点位置和剩余能量的影响,提出一种多级异构无线传感器网络能量优化分簇算法.该算法依据节点位置与剩余能量来改进竞选簇头的阈值函数,使得距离基站近且剩余能量高的节点被选举为簇头的机率增大,避免距离基站远的簇头过多而导致簇头死亡过早,从而优化全网能量消耗.理论分析和仿真实验表明新的分簇算法与现有的一些分簇算法相比明显提高了网络生存周期,增加了网络吞吐量.     

高速网络环境下入侵检测系统负载均衡的研究

随着高速网络的快速发展,网络信息量的迅猛增长,入侵检测系统(IDS)负载日益繁重,遗漏恶意数据,产生漏报现象不可避免.如何使现有的入侵检测系统适应高速网络是一个全新的课题.本文就此给出一种减轻IDS负载的办法,并结合分治与集群的思想,给出了一个IDS负载均衡方案.该方案中的IDS能较好地应对高速网络.     

一种基于节点相关度的无线传感器网络分簇算法

提出了一种基于节点相关度的无线传感器网络分簇算法。该算法根据接收信号强度、节点剩余能量和网络连通度选取簇头节点,根据节点相关度确定簇内成员。分析与仿真结果表明,与经典的LEACH算法相比,该算法选出的簇头分布更均匀,并提高了簇内负载平衡程度,延长了网络生存时间。     

一种基于节点剩余能量和位置的LEACH改进算法

针对典型的分簇路由协议LEACH随机选择簇头和成簇后没有考虑簇内成员节点位置的问题,提出了LEACH-ED算法。该算法对簇头的选择机制进行了优化,既考虑了节点能量,又能同时判断簇内成员节点与sink节点的距离。当某些簇内成员节点与sink节点距离较近时,不需经过簇头节点,而是直接和sink节点进行信息传递。仿真结果表明,改进的LEACH-ED算法网络生命周期与LEACH协议相比提高了近50%,同时网络中节点传输数据的能力也得到大幅度提高。     

WSN中基于梯度和粒子群优化算法的分级簇算法

为均衡网络中节点的能量消耗,提出一种分级簇算法——GPHCA.该算法采用双簇头模式,利用粒子群优化算法搜寻能量大且到簇成员平均距离小的两个节点作为主簇头和副簇头,将簇头负担均衡到了两个节点上;在网关的选择上,同时考虑能量和转发路径的总距离,使最终选择的网关在能量和时延上得到均衡.仿真结果表明,GPHCA算法能有效延长网络的生命周期.     

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Ad Hoc网络的混合入侵检测算法

针对现有的有线网络开发的入侵检测系统(IDS)很难适用于移动Ad Hoc网络的情况,在描述入侵检测技术的相关内容基础上,提出了适用于Ad Hoc网络的混合入侵检测算法,并利用网络仿真器NS-2对算法的有效性进行了验证.     

网络入侵失稳控制时最优节点选择

针对网络入侵失稳控制时最优节点选择方法一直存在选择不准确、误差大的问题,提出基于能量融合信道均衡与控制簇头竞选的节点选择方法,并应用于入侵后网络失稳控制中.建立无线传感器网络的数据传输和节点分布模型,对网络失稳后的WSN信道进行均衡控制,根据簇头竞选结果控制每代节点的定位误差,降低节点在遭到入侵后的错误选择概率.结果表明,采用改进的选择方法可以提高节点的通信覆盖率,降低了节点的死亡率,提高了失稳控制性能,保障了网络的安全稳定.     

入侵检测系统中检测分析模块的研究

入侵检测系统(IDS)作为网络在防火墙之后的第二道安全闸门，其重要性正日益凸显。对入侵检测系统(IDS)中最重要的数据采集，数据分析及报警响应功能进行研究，提出基于模式匹配和基于网络协议分析相结合的模式匹配方法，以及改进的基于Boyer—Moore—Horspool的快速匹配算法，同时，采用了类似SNORT检测规则。最后将它们作成一个检测分析模块加以实现。     

基于Mobile Agent和Honeypot的入侵检测系统

为了解决入侵检测系统花费巨大及在单机上占用主机大量系统资源的问题，提出了一种新型的基于Honeypot和Mobile Agcnt的入侵检测系统AH—IDS，并根据Mobile Agent能够在网络中自由移动等特点重点分析了系统的工作流程、主要部分的架构组成和AH—IDS中监视器组件的设计以及AH—IDS的性能．     

交叉路口基于车辆权值分簇的中继转发方案

针对车辆自组网(VANET)中链路不稳定与可靠性低的问题,该文提出基于车辆权值分簇的中继转发方案。该方案首先提出基于车辆权值分簇算法,提高车辆通信链路的稳定性;该算法将车辆的相对距离、相对可达速度与连通率作为分簇属性,利用升排序法找到最优簇头并将其作为中继节点,提升簇结构的稳定性。其次,在NaKagami-m衰落信道条件下,采用双向DF的中继转发方式进行数据传输以提高通信的可靠性。仿真结果表明:在相同条件下,该分簇算法与基于车道的分簇算法相比稳定性提高8 s,该双向DF中继转发方式与双向AF转发方式相比中断概率降低了6%,通信可靠性得到提高。     

一种基于复杂网络属性值的K-means聚类算法

传统K-means聚类算法的性能依赖于初始聚类中心的选择。本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的个节点作为聚类的初始聚类中心,然后进行聚类迭代过程。实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量。     

无线传感器网络的动态树型结构

无线传感器网络用于在各种环境中监测信息。在聚簇结构的基础上,文章提出了一种节能的动态树型结构。在动态树型结构中，节点周期轮换当选为首领，网络中的大部分节点只与附近的节点通信，并压缩中转数据，以减少与首领的通信量。节点动态地选择路由，不遵循固定路径传输。仿真结果显示动态树型结构与传统的二层结构相比，可以显著地节约能量，并平衡节点能量消耗。     

分层协作的多代理入侵检测系统

根据分布式入侵检测系统的设计策略,设计了一个分层协作的多代理入侵检测系统。引入分层协作机制的目的是为了克服单一的主机入侵检测系统以及网络入侵检测系统的某些缺陷。通过各个节点之间的协同工作,共同检测和防范对系统的入侵行为。系统框架参考目前流行的通用入侵检测框架CIDF构建。检测方法采用协议分析融合模式匹配的方式。介绍了系统的体系结构,各部分的功能以及系统实现的一些关键技术。     

网络入侵异常检测的实时方法

目前市面上的入侵检测系统一般都是基于特征匹配,不能对未知入侵进行有效检测,异常检测可以较好地检测未知入侵。M IT林肯实验室提出了一种离线的异常入侵检测方法,但不能据此建立实际的入侵检测系统,为此,提出一种能实时检测网络异常的入侵检测方法。该方法可以实时重建网络连接,提取每一连接的31个与入侵有关的特征,运用支持向量机进行在线检测,实验结果表明,该方法是有效的,检测精度在95%以上。为缩短入侵检测时间,对最短检测时间进行了研究,提出了最优入侵检测时间算法,根据此算法得出局域网内的异常连接在250m s内即可较准确地检测出。     

基于骨干网的并行集群入侵检测系统

骨干网的大流量要求实现骨干网入侵检测系统必须改变传统的入侵检测系统结构模型并采用高效的入侵检测技术,在对骨干网入侵检测系统的关键技术进行深入研究的基础上,设计并实现了一种适用于骨干网的基于规则的入侵检测系统BNIDS(Backbone Network Intrusion Detection System),讨论了BNIDS系统的并行集群检测模型、报文捕获机制和基于规则的分析引擎,试验结果表明,可扩展的BNIDS系统能够对骨干网流量进行实时入侵检测分析。     

一种能量有效的无线传感器网络分簇路由算法

为减少无线传感器网络能耗、延长网络的生存周期,基于经典的低功耗自适应分簇算法（LEACH）,提出了一种新的能量有效的分簇算法．算法的主要思想是综合网络能量分布和簇首间位置分布来优化簇首选择,从而在使簇分布更均匀的同时,进一步保证了网络内节点负载均衡．仿真和分析表明,该算法是一种有效的分簇路由算法．     

加权特征自动图像标注方法

提出了一种基于加权特征的图像自动标注方法．该方法首先采用加权特征聚类算法对图像区域进行语义聚类,这种聚类算法根据图像特征的统计分布来计算特征与类别的相关度,增加相关度高的特征的权重,避免聚类算法被弱相关或不相关的特征所支配;然后,根据训练集中样本图像的标注情况建立图像区域与语义关键字的关联;最后,在未标注图像区域给定时,计算每个语义关键字的条件概率,将条件概率最大的语义概念作为图像的标注． 在Corel图像库的数据集上验证了新方法的有效性．     

基于BFOA和K-means的复合入侵检测算法

K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system, IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm, BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。     

可调路径长度和簇系数的加权无标度网络模型研究

以无权的高簇系数的Holme和Kim（HK）模型为基础,联系实际网络所应该具备的权重,引进了一种动态的赋权机制,提出了一种更大范围可路径长度和调簇系数的加权无标度网络模型.分析和仿真表明：大范围可调路径长度和簇系数的加权无标度网络模型不仅继承了HK模型的高聚类效应和无标度特性,且它的调节手段更丰富,调节范围更大,实现了无标度特性与小世界特性的统一.