参数联合优化的物联网安全分析与研究

为了提高军事物资供应链物联网的安全性能,提高网络入侵的防御能力,提出一种基于网络入侵信息特征参量的联合优化估计的物联网安全检测模型。首先构建军事物资供应链物联网的节点部署结构模型,分析物联网入侵特征参量,提取物联网入侵特征参数,采用波动和频率参量联合优化方法设计物联网安全构架的参数安全检测模型,实现物联网入侵的安全检测模型构架。仿真测试结果表明,该方法进行军事物资供应链物联网安全构架,对网络入侵信息的准确检测性能较好,抗干扰能力较强,确保了物联网安全。     

对等网络流量信息结构异常的检测技术研究

随着信息技术的发展,对等网络P2P信息流量经常出现偏离正常范围的异常情况,这里以决策树算法为基础,对P2P流量检测和流量异常时的检测技术进行研究。采用改进的C4.5决策树P2P流量检测模型,通过P2P流量异常检测模型对大量训练数据集的训练,实现了对错误的逐步修正,通过试验室仿真试验可知,经过选择网络流量特征后,基于改进的C4.5决策树的P2P网络流量分类器能实现较好的分类效果,分类检测率在94.6%~96.7%,较高的检测率说明采用改进的C4.5决策树算法能有效地对P2P流量进行检测,为研究P2P流量异常检测技术提供了参考。     

物联网与军事物流体系

首先简要介绍了物联网的基本概念和物联网的三层体系结构,以及军事物流体系的基本概念、发展历程和主要特点,然后从总体上对物联网技术在军事物流体系中的应用进行了设想,并分别从无线传感器网络技术在战场物资管理方面和无线射频识别技术在军事仓库物资管理方面对物联网技术在军事物流体系中的具体应用进行了说明,最后以此为基础对物联网技术在军事物流体系的应用前景进行了展望。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于物联网的危险品物资运输安全监控系统研究

本文主要分析基于物联网下,危险品物资运输安全监控系统的建立与完善,规避危险品物流运输出现恶性安全事故,使用物联网技术对危险品进行监控,自动获取危险品运输环节中的位置信息和环境信息,对各种信息实施存储和查询,自动的对联动设备进一步控制,促使危险品物资运输更具智能化。     

电力物资采购数据特征提取方法研究

当前已有的电力物资采购数据特征提取方法存在提取精度低的问题，为此，提出了基于人工蚁群算法的电力物资采购数据特征提取方法。更新电力物资采购数据信息素，完成电力物资采购数据特征的识别。构建采购数据的频域模型，利用人工蚁群算法计算采购数据频域特征的隶属均值，对电力物资采购数据平滑处理。建立电力物资采购数据特征响应函数，实现了电力物资采购数据特征的提取。实验结果表明，该研究设计的方法可以通过提供数据特征主成分贡献率和特征间关联度，提高数据提取质量和精度，具有更好的特征提取性能。     

基于机器学习的物联网异常流量检测方法

随着物联网的广泛应用,物联网的安全问题受到越来越多的关注.针对物联网环境下异常网络流量问题,提出了基于机器学习的物联网异常流量检测方法.首先通过使用聚类算法分析物联网一段时间内网络数据的特征,然后使用连续假设检验算法对特征进行分类,并对恶意流量的空间分布进行二次特征分析.实验表明,相对于传统的异常流量检测方法,该检测方...     

基于行为检测与机器学习算法的虚拟服务器安全保护

本文提出了一种基于机器学习和行为检测相结合的方法,用于实现虚拟服务器网络的安全保护。首先,通过抓包技术采集虚拟服务器网络的数据流量,并提取相关的特征信息;其次,对这些特征信息进行数据清洗和预处理,为后续的分类分析做好准备;然后,采用基于密度聚类算法的行为检测方法,对数据包进行分析和处理,以识别出潜在的攻击行为;最后,基于所提取的特征信息构建了分类模型,以区分正常流量和攻击流量。实验结果表明,该方法可以有效地保护虚拟服务器网络的安全。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于增量式决策树算法在入侵检测中的研究

为了更好地提高入侵检测的准确率,节省检测时间,文章提出了一种基于增量式的决策树检测算法。该方法采用了基于粒度决策熵和改进的主成分分析方法对数据集中的冗余以及不相关属性进行归类、降维。该方法将数据挖掘增量学习技术与决策树分类算法相结合,在属性降维后的决策树基础上,对于新的测试样本实例,引入扩展贝叶斯结点,比较贝叶斯分类方法与决策树分类方法的准确率,返回更新后的决策树。针对属性降维,主成分分析方法在约简属性的基础上,能够有攻击分类结果准确率高、耗时少的特点。将增量式决策树算法与贝叶斯算法、ID3算法进行对比,发现在检测精确率、检测效率的指标下,增量式决策树算法在一定程度上优于其他算法,并且误报率有效降低。