基于CNN的泄漏电缆入侵检测定位算法

泄漏电缆入侵检测系统所处的外部环境较为复杂,为降低环境因素对泄露电缆入侵检测的影响,提出了基于卷积神经网络的入侵检测算法。通过卷积神经网络处理大量的样本数据,并从数据中自动提取内在特性,实现泄漏电缆电磁入侵检测系统更低的误报率、漏报率和更高的定位精度的目标,搭建了卷积神经网络入侵检测模型,并用样本数据对模型进行训练和测试。模型测试结果表示其具有低漏报率和误报率,定位精度可达到1 m。     

泄漏电缆周界入侵信号检测方法及仿真研究

泄漏电缆周界入侵防盗报警是目前应用最广、发展前景十分良好的一种方法和技术,以往皆采用FFT法对入侵信号进行探测,无法进一步提高入侵信号的检测率.针对泄漏电缆周界入侵是一种典型的非周期随机信号,从理论上对比分析了四种典型的时频分析方法,同时对周期信号和非周期随机信号进行了两种时频分析方法的仿真研究.理论分析与仿真结果表明,HHT变换是最适用于泄漏电缆周界入侵信号的检测方法.     

基于LabVIEW平台的高分辨率混沌导波雷达 实现周界入侵探测

提出将混沌相关探测方法与泄漏电缆导波雷达技术相结合,设计实现了一种基于LabVIEW平台的混沌导波雷达样机,用于实现安全防护区域的高分辨率非法入侵探测。该雷达采用宽带布尔混沌信号作为探测信号,利用稀疏编织型泄漏电缆实现混沌信号的发射与接收。基于LabVIEW平台实现雷达系统控制,包括控制数据采集卡采集参考信号与回波信号,对两路信号进行相关计算得到相关曲线,以及对比入侵前后的相关曲线从而确定入侵者沿泄漏电缆的入侵距离。实验结果表明,该雷达不仅可以实时监测入侵过程,还可同时定位多个入侵者,距离分辨率可以达到50ｃｍ,优于现有导波雷达米量级的分辨率,测量的动态范围可以达到35ｄＢ。因此,混沌导波雷达可以为安全防护区域的非法入侵探测提供一种高分辨率、大动态范围的新方法。     

泄漏电缆周界监视技术研究

泄漏电缆在户外周界入侵监视得到了较多的应用。在分析了当前泄漏电缆周界监视技术的基础上,介绍了定位式泄漏电缆周界监视技术的组成框架,将连续波雷达伪随机编码测距原理应用到泄漏电缆目标定位领域。针对当前泄漏电缆周界监视存在的虚警率高以及缺乏定位能力的问题,提出了基于伪随机编码的入侵目标定位原理,并在此基础上研究了修正的单元平均目标恒虚警检测处理方法。通过仿真验证了方法的有效性,并且实现了较高的定位精度。     

疏编织漏泄同轴电缆空间场分布的研究

通过对SLYWV-75-10型疏编织漏泄同轴电缆的空间场分布进行实际测量,并对测试结果和数据进行分析,证明SLYWV-75-10型疏编织漏泄同轴电缆完全能够作为户外周界入侵探测报警系统的探测传感器,同时对电缆间距、最大单元警戒范围以及系统的响应时间等给出了具体的参考指标,对户外周界入侵探测报警系统的研制和开发具有重要指导意义.     

基于泄露电缆的周界入侵数据增广方法研究

机器学习的方法在泄漏电缆周界入侵检测领域有了比较好的发展。采集大量的入侵数据,通过机器学习训练模型,可以实现周界入侵检测更高的定位精度和更低的误报率。但是大规模入侵信号数据的缺乏限制了识别的准确率。而人工有效采集标注入侵信号数据极其费时且代价高昂。针对入侵信号数据缺乏的问题,本文引入了图像领域的数据增广方法。实验表明,几何变换增广结合深度卷积生成对抗的增广方法对周界入侵识别准确率的提升达到14.11%,极大程度上缓解了小样本下周界入侵定位精度低的问题,证明了本文增广方法的有效性。     

基于复合式随机码雷达系统实现入侵监测

面向安防区域的入侵监测过程包括区域边界的入侵报警和区域内部的入侵跟踪。然而,现有的入侵探测雷达技术难以兼顾区域边界和内部的同时监测,并且存在多入侵探测距离分辨率低和抗干扰能力弱的缺陷。提出并实验验证了一种面向入侵监测的复合式随机码雷达系统。该雷达系统结合了基于泄漏电缆的导波雷达和基于喇叭天线的一发多收雷达。前者用于实现区域边界的入侵报警,后者继而负责区域内部的入侵跟踪,最终实现监测区域的全面覆盖并消除监测盲区。此外,该雷达系统采用高速、正交的随机码信号作为上述两种雷达的发射信号。实验结果表明所提出的雷达系统不仅可以实现多个入侵者的同时报警和跟踪,而且具有强抗干扰能力。受益于随机码信号的高速率和自相关特性,导波雷达和一发多收雷达可以分别实现30 cm和15 cm的高距离分辨率,且抗干扰容限可以达到33.5 d B。     

基于HoneyGate入侵诱控监测数字化网络平台的设计与实现

面对复杂多变的网络环境,传统的入侵检测方法只会被动地响应入侵行为,无法检测到动态、随机攻击,存在较大的缺陷。为了提高网络安全性能,设计并实现基于HoneyGate入侵诱控监测数字化网络平台,该平台由封包采集、欺骗网络、欺骗主机以及动态配置等模块构成。通过WinPcap封包截获模块采集数据链路包,实现入侵行为的ARP欺骗。采用树形数据结构塑造欺骗网络模块中的虚拟路由,完成入侵行为的网络级诱骗功能。融合主动探测与被动探测的动态配置方法,处理内部网络状态波动,对网络配置进行及时更新,增强网络适应性。实验结果表明,所设计网络平台可有效地诱骗入侵者,控制入侵行为,维护网络安全。     

X射线电缆偏心度在线检测方法设计

为了保证交联聚乙烯多层电缆的生产质量并减少浪费,设计了一种基于X射线探测原理的电缆偏心度在线检测方法.采用微焦点射线源和CCD探测器对X射线穿透电缆过程中的衰减情况进行探测.两个相互垂直布置的由步进电机驱动的C形结构件带动射线源和探测器做往复运动,完成对电缆截面的扫描.下住机以MC9S08AW32芯片为核心,对各器件进行参数控制,并完成数据采集和传输任务.上位机通过专用软件对信号进行滤波、处理与分析并实时显示电缆截面参数.该设计在实时性、检测精度和稳定性上都达到了设计要求.     

气体泄漏的单点探测器与红外成像检测的灵敏度模拟分析

危险气体泄漏引发的事故及灾难对人身安全和社会稳定造成巨大威胁,及时有效地检测到气体泄露、定位泄漏源以及评估气体扩散趋势等成为研究人员关注的热点。与目前各种单点气体探测器固定位置并通过气体扩散进行泄漏气体探测不同,基于红外焦平面探测器的红外成像气体泄漏检测技术对可能的泄露点进行成像检测。由于这两种探测器本身的灵敏度差异较大,且工作原理也有所不同,所以如何评价两者的探测效率成为人们关心的问题。因此,基于计算流体力学软件FLUENT对两种探测器在室内空间环境的检测灵敏度进行了模拟分析,比较了两者在实际应用中的优缺点,指出红外焦平面探测器在响应速度和实际检测灵敏度等方面的独特优势,对红外成像气体泄漏检测技术的进一步发展具有推动作用和借鉴意义。     

多网络环境下的差异化入侵特征检测平台的设计与实现

传统的网络入侵特征检测方法,检测准确性低。因此,设计并实现基于Libnids分布式入侵检测系统,该系统将多网络环境分割为不同逻辑区域,各逻辑区域包含不同的分析节点,各分析节点由数据探测部件、分析检测部件和管理控制部件组成。在系统实现方面,利用WinPcap函数库完成数据包的采集,依据采集的数据包,通过WM模式匹配算法和协议分析匹配检测模型,进行差异化入侵特征的检测。实验结果表明,该系统具有较高的检测率、较低的虚警率和漏报率。     

基于随机森林的无线通信网络入侵检测方法

由于传统网络入侵检测方法依赖特征知识库对恶意流量数据进行智能判别,导致检测结果的精度较低,本研究提出基于随机森林的无线通信网络入侵检测方法。根据入侵位置划分无线通信网络的入侵方式,提取并处理不同入侵方式下的无线通信网络流量数据,基于随机森林算法对提取数据中的恶意流量与正常流量进行分类,以此完成无线通信网络入侵检测。实验结果表明,文章设计的方法检测不同类型的无线通信网络入侵行为时误检率为2.83%,证实了该方法的有效性与精确性。     

适应新常态运营商智能终端发展探讨

对在LTE-FDD制式下使用漏缆进行覆盖进行了分析,基于链路预算的方法对泄漏电缆在居民小区深度覆盖中的应用方式进行了探讨,并研究在新布放方式下泄漏电缆的覆盖能力和建设成本.     

LTE-FDD制式下居民小区漏缆深度覆盖探讨

对在LTE-FDD制式下使用漏缆进行覆盖进行了分析,基于链路预算的方法对泄漏电缆在居民小区深度覆盖中的应用方式进行了探讨,并研究在新布放方式下泄漏电缆的覆盖能力和建设成本.     

基于粗糙集的公共网络入侵检测方法研究

传统方法在对公共网络入侵数据检测时存在冗余度高、维数大、精确度差等问题。为了提高公共网络安全防护的实时性和有效性,提出一种基于优化粗糙集理论的公共网络检测方法。针对有入侵风险的数据进行检测和筛选,在粗糙集(RS)概念基础上对其精度进行优化,减少信息的丢失,运用MDLP运算准则完成对数据的离散化处理,使用遗传算法进行数据约简,导出数据分类规则并识别出入侵数据。仿真试验结果表明,所提出的入侵数据检测方法,在入侵检测率和误差率方面传统算法更为有效。     

基于小样本标记实例的数据流集成入侵检测模型

基于监督学习的异常入侵检测算法通常面临着训练样本不足的问题,同时,对整个历史数据集进行等同学习,没有充分考虑到网络数据模式随时间变化的特点.本文提出了一种基于小样本标记实例的数据流集成入侵检测模型,对小样本的标记数据集进行扩展,解决了训练样本不足的问题,并能够充分适应网络数据模式随时间变化的特点.实验结果表明,在小样本标记实例情况下,算法的检测性能明显优于基于所有历史数据进行入侵检测的结果.     

基于领域自适应的漏缆周界入侵监测技术研究

传统的泄漏电缆入侵监测方法以及市面上大部分泄漏电缆入侵监测定位系统属于门限式检测，容易发生误判、漏判等问题。后有学者提出使用深度学习方法解决精度问题，但由于漏缆信号会随环境变化产生较大的变动，由实验环境数据训练生成的模型对目标敷设环境的适应性较差，模型往往难以达到预期的性能。对此，本文提出一种具有目标环境适应性的漏缆周界入侵定位模型KUMADAN(K-means-based Unsupervised Multi-Adversarial Domain Adaptation Network),实现了迁移学习领域自适应算法在漏缆周界入侵领域的应用。模型通过引入多对抗领域适应性神经网络(MADA)结构和K-means聚类算法，实现了从实验环境到目标环境的知识迁移，也解决了目标环境采集标签的困难。为了验证其可行性及实用性，在实地环境进行了测试实验以及对比实验。实验结果表明，KUMADAN模型在不同环境下的漏缆周界入侵定位任务中取得了较好的性能，迁移效果提升35%以上，验证了其在实际应用中的可行性和有效性。     

基于聚类的网络异常检测

探索一种基于聚类来识别异常的方法,这个方法不需要手动标示的训练数据集却可以探测到很多不同类型的入侵行为.实验结果表明该方法是可行的和有效的,使用它来进行异常检测可以得到探测率和误报率的一个平衡,从而为异常检测问题提供一个较好的解决办法.     

基于WSN的工厂安防管理系统

从传统报警系统的局限性出发,将入侵检测技术与身份识别技术相结合,通过对同一时刻检测的信号的辨析及入侵探测设备的发出信号来辨别非法入侵与合法进入。结合实际,设计一套基于无线传感器网络的人体探测、身份识别和定位应用于工厂等大型场所的智能安防监测系统。     

基于人工智能的网络入侵检测技术研究

针对网络攻击检测精准度低的问题,提出基于人工智能的网络入侵检测技术研究。由数据智能捕获模块、数据智能分析模块、数据智能处理模块、数据智能检测模块以及入侵智能响应模块组成的网络入侵检测模型,在该模型内引入了人工智能神经网络及算法,通过算法对数据的反复训练提取数据特征信息,为网络入侵检测提供准确的检测依据,实现了基于人工智能的网络入侵检测模型的构建。经试验证明,该模型对网络入侵行为的检测精准度较高。