基于压缩感知的智能电网入侵检测方法研究

通信网络的安全性是智能电网稳定运行的前提和基础。针对现有电力通信网络入侵检测方法存在的检测率、效率低、漏检误检高等不足,提出一种基于压缩感知的检测方法研究。利用压缩感知技术对原始信号进行降维处理,并匹配观测向量矩阵;鉴于原始信号的稀疏性可以得到最优的匹配结果,并通过属性约简去除过多的冗余数据,基于误差二次方对电力数据进行重构、量化与恢复,改善数据度量的质量,保留原始信号中的细节特征,准确识别出恶意数据或代码。仿真结果表明,提出方法在应对DoS和R2L等不同的攻击类型时,都能够获得更高的检测率水平,在检测耗时方面相对于传统方法也具有明显优势。     

智能视频监控中入侵检测算法的设计与实现

为实现在高清视频监控中实时、准确的检测出入侵的人员或物体,本文设计一种新的入侵检测算法。 算法将混合高斯模型与改进的帧差法结合,并针对实际监控场景作出以下改进：当监控画面分辨率较高时,采用块均值建模替代原混合高斯模型中的单个像素建模提高算法检测的实时性;在监控场景发生光照突变时结合改进的帧差法避免因光照带来的误检测。实验结果表明,本文的算法处理速度快,准确性高,适用于实时高清的视频监控系统。     

基于网络入侵检测的分析与研究

首先从网络入侵检测的概念、方法和入侵检测系统的分类入手,分析与总结了目前入侵检测系统和相关技术,指出现在的入侵检测系统存在的缺点-误报和漏报的矛盾、海量信息与分析代价的矛盾等。最后探讨了入侵检测技术的发展方向。     

基于网络入侵检测的分析与研究

首先从网络入侵检测的概念、方法和入侵检测系统的分类入手,分析与总结了目前入侵检测系统和相关技术,指出现在的入侵检测系统存在的缺点一误报和漏报的矛盾、海量信息与分析代价的矛盾等.最后探讨了入侵检测技术的发展方向.     

网络入侵智能识别的相关技术与方法

对于网络信息安全保护的传统方法一般是利用"防火墙"、"数据加密"等保护措施来对网络上恶意窃取行为进行识别和拦阻。网络入侵检测技术作为一种新型的信息保护技术,主要分为两种方向,一种是智能性识别,一种是分布式识别。文章主要是从网络入侵智能识别技术这个角度来进行深入的探讨。     

基于智能Agent的入侵检测系统的研究和实现

论文设计了一种基于智能Agent的入侵检测系统框架,从软件体系上解决分布式入侵检测面临的问题,实现了一个原型系统AIAD-IDS,并给出了对编制软件进行的功能和性能测试的结果。     

分布式入侵检测系统研究

入侵检测是收集计算机系统、网络中的多关键点信息,通过对这些信息的分析,从中发现系统或网络中存在的被攻击迹象以及违反安全策略的行为。基于此,提出了一种基于Agent技术的DIDS系统结构模型,以有效地解决对入侵检测系统中网络流量不断增大而造成的数据包丢失问题。该系统可依据网络流量的大小动态调整系统中的检测Agent数量,既不过多消耗系统资源又从而分担了网络流量。     

基于无人机机器视觉的轨道异物入侵检测方法

针对传统轨道入侵异物检测方法效率和时效性的不足,文章提出一种基于无人机航拍视频的轨道异物入侵检测算法。首先,通过LSD算法定位铁轨位置并划定铁路安全边界;然后,以YOLOv5s网络为基础,针对其小目标识别率低的问题,改进网络原有的检测层尺度;最后,再引入双向特征金字塔网络,并结合CBAM注意力机制重构模型的Neck部分,进而提出改进后的模型。实验结果表明,改进后模型在VisDrone数据集和自制轨道异物数据集的平均精度值分别提高了9.7%和5.9%,模型体积缩小32%,检测速率达到50.5 frames·s^-1,可以为铁路异物入侵智能化检测的研究提供参考。     

入侵检测系统中的智能技术

入侵检测是保护信息系统安全的重要途径，现有的入侵检测系统仍存 在着快速性和准确性的问题，因此，智能技术在入侵检测中的应用成为研究的热点，文章主要分析了两种典型的入侵检测系统，NIDES和AAFID，并讨论了这两种技术的优缺点。     

网络入侵检测方法研究

本论文从网络安全现状出发,介绍了入侵检测的原理和基本技术,随后就企业如何在已有网络的基础上建立一个可扩展的网络入侵检测系统以及整个方案的设计、实现作了相关阐述,同时强调了安全意识在网络安全中的重要性。     

基于改进YOLOv7的高铁异物入侵检测算法

针对复杂环境下高铁轨道入侵异物对列车的安全行驶有严重的威胁,而现有检测方法不能满足实际的高铁轨道异物检测工作,提出一种基于改进YOLOv7的高铁异物入侵检测算法。引入CARAFE算子作为上采样算法,减少输入图像的特征信息损失,增大网络感受野;在YOLOv7模型中引入GhostConv卷积,可以有效地减少模型的计算量和参数量;引入全局注意力机制(Global Attention Mechanisms, GAM),增强全局信息交互能力和表达能力,提高检测性能;采用Alpha＿GIoU损失函数,提升小目标的检测能力和模型的收敛速度。实验结果表明,改进后的YOLOv7-CGGA模型的平均检测精度(mean Average Precision, mAP)和平均每秒推理速度(Frames Per Second, FPS)值分别达到96.7%和96.1,与原YOLOv7模型相比,分别提升了1.6%和31.1,较好地平衡了模型的检测精度和效率,可以满足实际的检测需求。     

智能入侵检测技术的研究

介绍了几种新的智能入侵检测技术,分析了各种技术的优缺点,并对智能入侵检测技术的发展趋势作了展望。     

基于智能优化算法选择特征的网络入侵检测

为了改善网络入侵检测的效果,提出一种智能优化算法选择特征的网络入侵检测模型。首先采用智能优化算法对网络入侵特征进行选择,得到对检测结果有重要贡献的特征,去除无效特征;然后采用支持向量机建立入侵检测分类器,最后采用KDD99数据集对模型性能进行分析。结果表明,该模型提高了网络入侵检测的准确率,而且检测速度可以满足网络安全实际应用的要求。     

基于模糊方法的入侵检测系统研究

本文在分析了当前入侵检测技术存在缺陷的基础上，说明了模糊方法在入侵检测中的重要性，在此基础上主要探讨了模糊方法在入侵检测中的应用，给出了基于模糊方法的入侵检测过程。     

视频分析下变电站运动目标非法入侵检测方法

现有变电站运动目标非法入侵检测方法适应性较差,检测成本较高,为此提出视频分析下变电站运动目标非法入侵检测方法。通过对视频图像的通道优化、结构卷积计算,实现对图像目标源清晰度的提升;利用多特征融合算法与运动目标滤波算法,完成对非法运动目标图源的分离与识别,完成检测。通过多组实例测试表明,提出的检测方法在多种作业环境下检测效果均优于传统检测方法,减少了变电站建设的投入成本。     

基于DFA的入侵检测方法研究

计算机网络安全环境不断恶化,各种网络攻击行为层出不穷,入侵检测技术作为一种主要的网络安全技术引起了人们的广泛关注。伴随着网络对实时性、吞吐量等的更高要求,入侵检测技术的检测效率逐渐成为系统的瓶颈问题。该文提出了一种基于DFA模式匹配引擎的入侵检测方法,该方法利用DFA在模式匹配方面的优越性以提高入侵检测系统的检测效率;之后,该文对该方法进行了相关性能分析。该文的研究将有助于入侵检测技术的不断完善与发展。     

异常入侵检测方法的研究

入侵检测技术作为保护网络安全的一种解决方案,越来越受到人们的重视。根据入侵检测原理的不同,入侵检测可分为误用检测和异常检测两种。分析了几种常用的异常入侵检测方法,最后讨论了现在入侵检测技术面临的问题以及今后的发展方向。     

基于入侵检测技术的远程视频控制

基于嵌入式Linux软件平台(Fedora-14操作系统及Linux-2.6.30.4的内核)和ARM9硬件平台,设计出了基于入侵检测技术的远程视频及环境监测系统且具备短信实时报警功能。     

基于DET曲线的入侵检测评估方法

采用DET曲线方法评估入侵检测系统的性能,并引入期望代价等值线以及DET曲线上最佳操作点等评估参数.通过期望代价等值线与DET曲线的切点得到最佳操作点,采用Columbia ROC和Emerald ROC数据,实现了基于DET曲线的入侵检测评估方法.结果表明,该方法能够很直观的评估入侵检测方法的性能.