基于矩阵边采样的IP追踪

针对Savage概率包标记压缩边分片采样算法存在的不足,提出改进的压缩分片采样方法,即基于矩阵边采样的IP追踪方法 (IP traceback with matrix edge sampling,MES).通过1个二维单位矩阵对相邻路由进行边采样,降低重构算法复杂度;引入8 bit的多路径检验,降低重构路径误报率;采用自适应概率对数据包标记,使重构路径所需数据包数量减少.理论分析和在NS2环境下的实验仿真表明,MES方法的性能在上述3方面都有较大改善.     

一种改进的TCP分布式拒绝服务攻击防御方法

SYN Flood攻击是最常见的分布式拒绝服务攻击方式之一,本文提出一种改进的SYN Cookie方法,通过设计新的Cookie验证算法并改变Cookie字段定义,在不降低安全性的同时,降低算法计算复杂度.实验结果表明,新方法可有效防御针对TCP协议的SYN Flood攻击,与传统算法相比,新算法效率提高约30%.     

一种新的基于认证的可变概率包标记方法

在基本概率包标记的基础上,提出了一种新的攻击源追踪方案．该方案采用自适应概率标记数据包,在标记过程中采用了认证的方式,避免了数据包重复标记的出现,并增加了标注来存放头节点IP地址的Hash值,在路径重构时根据距离和标注把重构数据包划分为不同的子集．改进方案重构攻击路径时不需要网络拓扑信息,理论和实验表明该方法在收敛性、误报数和安全性方面都有很大的改进．     

基于移动Ad Hoc网络的分布式拒绝服务攻击检测算法

提出了一种适用于移动Ad Hoc网络的分布式拒绝服务攻击(DDoS)检测算法,对基于序列分析的Kolmogorov复杂度估值算法做了改进.新算法对网络中的流进行相关分析,并计算序列特征集的复杂度,通过对复杂度分析来检测分布式拒绝服务攻击.仿真实验结果表明,本算法的误检率、检测时间等性能要好于传统的复杂度估计算法.     

认证确定包标记算法

确定包标记算法只需要边界路由器进行标记,可以对只使用少量包的拒绝服务攻击进行追踪,能同时追踪上千个攻击者,并且易于实现。针对确定包标记算法中,被攻击者控制的路由器（边界路由器或中间路由器）修改标记或加入伪造包。进而妨碍受害者重构人口地址的问题,提出了新的基于MAC认证的确定包标记算法。研究表明,认证确定包标记算法提供了足够的安全性,能有效阻止子网内的攻击者或傀儡路由器伪造虚假的标记,从而保证了受害者端地址重构的准确性。     

采用符号动力学方法检测低速率拒绝服务攻击

针对低速率拒绝服务攻击引起的网络安全问题,提出采用符号动力学方法对其进行检测通过将采样得到的数据包数量信号转化为对应的符号序列,并计算符号序列的熵值,发现低速率拒绝服务攻击具有令数据包数量信号信息复杂度激增的特点,从而能够结合预先设定的熵阈值进行比较识别．分别在仿真环境和实际测试服务器上进行了算法验证,实验结果表明,文中所提算法对低速率拒绝服务攻击辨识平均准确度超过92％．     

基于改进的TCM-KNN DoS检测算法

由于实现方式简单、攻击形式多样、威胁范围广、不易防御和区分,拒绝服务(DoS)攻击已经成为网络的最主要安全威胁之一。该文提出了一种ITCM-KNN算法,在此基础上建立了DoS检测框架。使用标准数据集KDD Cup 1999进行算法验证和分析实验。采用基于信息增益算法选择了5个特征,在保证高检测效果的同时减少了特征的维数。该算法不需要对攻击进行学习和建模,使用少量的正常样本作为训练集,提高了检测性能。实验结果表明,改进的TCM-KNN算法检测率高于SVM等算法,达到99.99%。     

网络攻击路径重构中的报文标记方案研究

对目前攻击源追踪中的基于概率的分段报文标记方案进行了分析,指出了这类方法的一些缺陷．给出了利用IP报文中的选项字段,以概率将流经路由器的地址标注报文．使得受害主机能够根据被标注报文内的地址信息重构出攻击路径的代数方法．重点讨论了路由器在报文中记录流经的地址以及利用报文中记录的信息重构路径的代数方法,并对代数方法的性能作了分析和比较．方案具有很低的网络和路由器开销,也容易扩充到IPv6和未来的主干网．     

基于DoS攻击和检测的信息物理系统攻击策略

基于攻击者如何选择拒绝服务攻击(DoS)策略以降低系统的性能指标,将传感器通过无线信道发送数据到远程估计器,而能量受限的攻击者需要在每个周期采样时决定是否攻击这一情况考虑进来.研究最优攻击策略,使得远程状态估计器的平均估计误差达到最大,给出一种基于远程状态估计端入侵检测系统的最优攻击策略,进一步讨论了攻击者在能量约束下...     

基于压缩感知的电能质量扰动信号分析

电能质量扰动信号是衡量电能质量的一个重要指标,因此对电能质量扰动信号进行准确检测是提高电能质量的前提。针对传统采样方法中采样数据量大、采样时间较长以及压缩复杂度高的问题,本文基于压缩感知理论对电能质量扰动信号进行重构,首先证明电能质量扰动信号的稀疏性满足压缩感知的必备条件;采用自适应测量矩阵对电能质量扰动信号数据进行压缩采样,同时,采用谱投影梯度实现了对电能质量扰动信号的精确重构。仿真结果表明,本文采用的压缩感知恢复算法不但可以降低采样数据量和压缩复杂度,其重构误差小,压缩性能指标比较好。     

认知无线电加权联合频谱感知优化算法

为了提高认知无线电联合频谱感知的性能,对加权联合频谱感知算法进行了研究,并对权重和观测时间2个感知参数进行了优化.算法基于给定的检测概率,通过选择最优的权重使认知无线电获得最小的虚警概率;还提出了二分算法,通过该算法,认知无线电能够获得最优的观测时间.仿真结果表明:相比未加权的联合频谱感知算法,提出的算法能够获得更低的虚警概率和更高的频谱利用率,并且相比穷举算法,二分算法的计算量要更低.提出的算法能够使认知无线电在授权用户的干扰容限内获得最大的频谱利用率.     

面向可穿戴生理信号的压缩感知实时重构

传统的迭代式压缩感知重构算法由于计算复杂度高,数据处理实时性差,难以在实际的可穿戴设备中发挥作用.该文结合深度学习中的一维扩张卷积和残差网络,提出了一种适用于可穿戴健康监护的非迭代式压缩感知实时重构算法.该方法基于大量生理信号数据训练一个用于压缩感知重构的网络模型,该模型可以对生理信号进行快速精确重构.通过在两个公开的...     

一种高重构质量低复杂度的高光谱图像压缩感知

针对高光谱图像谱间相关性较强的特点,提出了一种基于谱间预测的压缩感知算法.编码端通过线性预测算法,估计出相邻波段的预测系数作为辅助信息传送到解码端,再对图像进行独立地随机观测和量化.解码端根据预测系数和已重构相邻波段,估计出当前波段的预测波段,用来修正重构算法的初始值和收敛准则.最后用改进的重构算法解码当前波段.实验结果表明,在相同观测值数目下,该算法的PSNR提高了大约1.2 dB,解码复杂度明显降低,而且编码复杂度低、易于硬件实现.     

受免疫原理启发的Web攻击检测方法

随着Internet应用的不断深入,Web服务器成为了黑客的主要攻击目标。为克服传统误用入侵检测系统无法识别未知Web攻击和异常入侵检测系统误报率高等缺陷,受生物免疫系统启发,该文提出了一种基于免疫原理的Web攻击检测方法。给出了自体、非自体、抗原、抗体基因库、免疫细胞等的数学定义,描述了免疫学习算法。对比实验结果表明该方法较传统的基于神经网络和ID3算法的Web攻击检测技术能有效检测未知Web攻击,具有检测率和分类率高、误报率低和实时高效等特点,是检测Web攻击的一种有效新途径。     

基于局部约束线性编码的单帧和多帧图像超分辨率重建

基于稀疏表示的超分辨率图像重建是当前典型的算法之一,引入约束性更强的局部约束线性编码(LLC:Locality-constrained Linear Coding)对其进行了改进。首先依据一个高分辨率图像集训练出成对的高分辨率和低分辨率词典,然后根据低分辨率词典对输入的低分辨率图像用LLC方法进行编码,再依据高分辨率词典及编码系数初步重建高分辨率图像,最后添加全局约束重建高分辨率图像,并将该算法推广到多帧图像超分辨率重建层面。分析和对多幅图像的实验结果都表明,新算法相对原算法不仅提高了图像重建的质量还降低了计算复杂度,取得了满意的效果。     

H.264标准压缩视频的超分辨率重建

为利用低分辨率压缩图像序列来重建高分辨率图像序列,提出一种在凸集投影(POCS)方法框架下基于整数DCT域量化噪声模型的针对H.264标准压缩视频的超分辨率重建方法.首先建立压缩视频的降质退化模型,然后根据H.264标准中的整数DCT变换和量化过程建立整数DCT域的量化噪声模型,最后在凸集投影算法的框架下给出了基于整数DCT域量化噪声的超分辨率重建算法.实验表明该算法的超分辨率重建结果的主观质量提高明显,峰值信噪比可达到30dB,一般迭代5次即可得到良好结果,算法复杂度较低.     

基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.     

基于AMS反向追踪的二维门限重构算法

提出了基于AMS(Advanced Marking Schemes)的二维门限重构算法．该算法在重构过程中设置了二维门限m_f,d,通过判断攻击包的边域和节点的Hash值匹配情况,快速而准确地重构出攻击路径,从而缩短了整体重构时间和业务开销,并使准确度和稳定性得以提高,与传统方法相比,该二维门限重构算法使得反向追踪性能明显改善．     

非重构压缩样值跳频信号时频联合估计算法

针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。