基于WinPcap监听系统的设计与实现

从网络数据包及数据包捕获的基本概念出发,给出了利用WinPcap进行网络数据包捕获的基本过程,提出了在包捕获过程中解决丢包问题的双线程办法,设计并实现了一款实用的基于WinPcap的面向中小企业的网络监听系统,重点阐述了系统主要模块一捕包模块的基本工作原理。测试结果表明,所开发的监听系统能有效地对网络的数据进行实时抓捕,并能对数据的协议类型、数据内容、数据流量等主要参数进行分析和显示。     

基于Winpcap的数据包发生器的设计与实现

数据包发生器被广泛地应用在多种网络环境下,对于网络测试和网络分析有着重要的作用。Winpcap是功能强大的数据包捕获和网络分析构架。针对这个构架,文章着重分析了数据包构造和数据包发送方法,设计实现了基于Winpcap的数据包发生器。     

网络协议分析实现过程探讨

本从网络协议分析的基本概念出发，分析其实现原理和实现过程，并对网络数据包的捕获，数据包的逐层分析统计，网络网元的发现等进行了探讨。     

受脑启发的机器人认知抓取决策模型

为了让机器人获得更加通用的能力,抓取是机器人必要掌握的技能.针对目前大多数机器人抓取决策方法存在物品特征理解浅显,缺乏抓取先验知识,导致任务兼容性较差的问题,同时受大脑中分区分块功能结构的启发,提出了将物品感知、先验知识和抓取任务融合的认知决策模型.该模型包含卷积感知网络、记忆图网络和贝叶斯决策网络三部分,分别实现了物品能供性(affordance)提取、抓取先验知识推理和联想,以及信息融合编码决策,三部分之间的信息流以语义向量的形式传递.利用UMD part affordance数据集、该文构建的抓取常识图和决策数据集对3个网络分别进行训练,认知决策模型的测试准确率达到99.8％,并且抓取位置可视化结果展示了决策的正确性.该模型还能判断物品是否属于当前任务场景,以决策是否抓取以及选择什么部位抓取物品,有助于提高机器人实际场景的应用能力.     

基于TinyOS的用电监测无线传感器节点设计

为了实现用电的智能化监测和管理,使用无线传感器网络技术,设计并实现了个人用户侧可实时监测电器用电情况并远程控制开关的节点.首先进行了硬件电路设计和测试工作,然后对节点数据包的发送进行了研究和重新定义,最后通过重新设计的无线传感器节点进行了组网测试和数据监控等工作,实现了预期功能.     

基于强化学习的三指灵巧手抓取方法研究

为了实现对圆锥等特殊物品的抓取,本文提出了一种基于强化学习的三指灵巧手机器人抓取方法.本文使用DenseNet-121网络实现了图像的分类,使用ImageNet数据集进行预训练,以解决数据集较少时易出现过拟合的问题;并基于强化学习中的Q-Learning算法,在完全卷积网络中进行端到端的训练,学习视觉运动策略,最后在少量数据集上测试算法.实验结果表明,使用三指灵巧手能够有效抓取圆锥、圆球等物体;同时,该方法训练生成的模型有效建立了像素图像数据与机器人执行运动抓取动作之间的映射关系,根据这种映射关系选出的最优Q值,提高了抓取成功率.     

ARP欺骗实现交换式网络数据包嗅探的原理及其防范

分析了共享式网络与交换式网络数据包嗅探的差别,利用ARP欺骗实现交换式网络数据包嗅探的原理与方法,并提出了应对措施。     

SITL对RTP协议的支持与仿真

研究和实现了OPNET半实物仿真模块SITL对实时传榆协议的支持．根据系统在环原理,研究了数据包的捕获与转换两个关键技术,对RTP包从虚拟到真实和从真实到虚拟进行了分析．完成了SITL模块对RTP协议的支持,设计了仿真实验并收集了数据包转换延时和吞吐量统计量．结果表明,该功能模块的扩展可以有效测试RTP协议半实物仿真的准确性,为大规模网络仿真提供客观、可靠的依据．     

一种多模式匹配高效算法的设计与实现

随着国家信息化的不断推进和计算机网络飞速发展,网络信息安全审计成为网络信息安全中不可或缺的重要组成部分．网络信息安全审计系统从网络关键点采集数据包,对其传送内容进行审计分析,达到网络信息内容的监控．在网络信息安全审计系统中,需要对大量的关键字进行匹配,匹配算法的性能极大程度地影响了整个审计系统的性能．通过比较分析现有的多模匹配算法,设计实现了一种基于二叉树多模匹配的算法,并在最后通过实验测试,得到了良好的性能指标．     

基于NDIS中间层驱动程序的网络监测器

研究了W indows网络数据包过滤技术和ND IS,设计并实现了W indows 2000平台下基于ND IS中间层驱动程序的网络监测器,它由ND IS IMD包过滤程序和应用层包处理程序2个模块构成,分别负责网络数据包过滤、过滤条件设置与数据包分析处理。该网络监测器适用于W indows 2000平台下IP层及其上层网络协议数据包的过滤和处理。     

Research and improvement on packet capture mechanism in linux for high-speed network

With the increasing enlargement of network scale and the rapid development of network techniques, large numbers of the network applications begin to appear. Packet capture plays an important role as one basic technique used in each field of the network applications. In a high-speed network, the heavy traffic of network transmission challenges the packet capture techniques. This paper does an in-depth analysis on the traditional packet capture mechanisms in Linux, and then measures the performance bottleneck in the process of packet capture. The methods for improving the packet capture performance are presented and an optimized packet capture scheme is also designed and implemented. The test demonstrates that the new packet capture mechanism （Libpacket） can greatly improve the packet capture performance of the network application systems in a highspeed network.     

基于组合模型的网络流量预测

网络流量预测模型对于网络性能评价和服务质量保证有着重要意义。网络性能评价、网络规划、网络预测都离不开真实的数据和现象的捕获。基于自回归滑动平均模型（ARMA）,利用时间序列建模,提出了利用组合模型对网络流量进行预测的方法。理论分析和实验结果表明,组合模型能达到较高的预测精度。     

基于CACTI与飞信的网络实时报警平台

针对在无人值守的情况下,如何将网络突发故障及时通知给网络管理人员以便快速响应的问题,提出了基于Cacti与飞信的网络实时故障报警平台。利用Cacti的SNMP信息轮询机制,实时获取当前网络中的设备故障与恢复信息,通过发送飞信的方式将故障信息传递到网络管理人员的手机终端。运行结果表明,网络管理人员排除故障时间大大缩短,管理效率明显提高。     

基于CWGAN-GP平衡化的网络恶意流量识别方法

在网络恶意流量识别任务中,存在恶意流量样本数量与正常流量样本比例不平衡问题,从而导致训练出的机器学习模型泛化能力差、识别准确率低。为此,在网络流量图片化的基础上提出一种利用具有梯度惩罚项的条件Wasserstein生成对抗网络(CWGAN-GP)对少量数据类进行平衡的分类方法。该方法首先借助网络流量图片化方法将原始流量PCAP数据按照流为单位进行切分、填充、映射到灰度图片中;然后使用CWGAN-GP方法实现数据集的平衡;最后,在公开数据集USTC-TFC2016和CICIDS2017上使用CNN模型对不平衡数据集和平衡后的数据集进行分类测试。实验结果表明,使用CWGAN-GP的平衡方法在精确度、召回率、F1这3个指标上均优于随机过采样、SMOTE、GAN以及WGAN平衡方法。     

提升网络入侵检测系统性能关键技术研究

高速网络的出现对网络入侵检测系统的处理能力带来了挑战,在分析了影响入侵检测系统性能因素的基础上,提出了提高高速环境下入侵检测系统性能的新方法,即采用了基于改进的NAPI数据包捕获技术、基于状态的协议分析技术和基于二叉规则树的高速匹配算法来提升网络入侵检测系统性能,实验结果验证了所提出的技术的有效性．     

IP骨干网络流量矩阵估计算法研究

流量矩阵估计的高度病态特性,使得要精确地估计流量矩阵变得非常困难,如何克服这一问题的病态特性是当 前面临的主要挑战。该文研究大尺度IP骨干网络流量矩阵估计问题,并利用BP神经网络的强大建模功能来捕捉流量矩阵的特 征,通过将流量矩阵估计描述成约束条件下的最优化过程,能成功地克服这一问题的病态特性。仿真结果表明基于BP神经网 络的估计算法具有明显的性能改善。     

遗传算法在蜜网中的应用研究

分析了网络攻击和入侵行为日趋复杂的现状,传统的网络被动防御技术已经无法有效地保护网络安全。研究了蜜网技术和遗传算法,根据遗传算法在动态环境中的鲁棒性、自适应性的特点,提出了将遗传算法应用到蜜网系统中,并设计了遗传算法在蜜网中的数据分析流程,该算法弥补了传统的统计检测方法的缺陷。仿真实验证明,该系统能有效地捕捉恶意行为,防御多种新型攻击,该算法具有一定的优越性。     

基于多维支持向量机的P2P网络流量识别模型

提出一种多维支持向量机(MSVM)训练方法,并建立了一种基于多维支持向量机的P2P网络流量识别模型。该模型利用多维支持向量机作为分类器来识别P2P流量,各种网络流量经过数据捕获模块、特征提取模块、数据预处理模块以及MSVM训练模块将网络流量分类成P2P流量和Non-P2P流量,再经过组建的MSVM支持向量库识别出具体的P2P流量和未知P2P。未知的P2P流量经过数据采集模块、特征提取模块、数据预处理模块以及MSVM训练模块将其特征数据加入MSVM支持向量库,以便将来识别P2P流量。理论分析与数值实验表明,该模型具有较好的实验结果和所期望的识别精确度。