基于BP神经网络入侵检测系统

本文是采用改进BP神经网络的拟牛顿算法,并利用matlab提供的神经网络工具箱构建BP神经网络入侵检测系统。此算法的优越性在于收敛速度比较快,特别对于较高维数的问题。测试后证明所构建的系统是可行的,能够检测到新的入侵行为。     

基于机器学习的入侵检测系统

入侵检测系统是保障网络信息安全的重要手段,针对现有的入侵检测技术存在的不足.提出了基于机器学习的入侵检测系统的实现方案.简要介绍几种适合用于入侵检测系统中的机器学习算法,重点阐述基于神经网络、数据挖掘和人工免疫技术的入侵检测系统的性能特点.     

入侵检测系统探讨

当今世界,互联网迅猛发展,人们在充分享受信息资源共享极大便利的同时,基于互联网的广域开放性,也使网络被攻击和破坏的风险大大增加,各种攻击事件与入侵手法层出不穷,由此催生市场对于网络安全产品的需求不断增加。使用防火墙、访问控制、加密技术等传统的安全技术和产品,在入侵技术快速发展的新形势下,逐步暴露出其局限性。入侵检测系统是继防火墙之后计算机网络安全系统保护的第二道安全闸门,主要收集计算机网络或计算机系统中若干关键点的信息并对其进行分析,从而发现网络或系统中是否存在违反安全策略的行为或被攻击的迹象,引入入侵检测系统,并对入侵检测的分类和存在的问题进行分析与研究,最后分析入侵检测发展方向。     

入侵检测系统新技术介绍

传统意义上依靠防火墙建立网络组织结构,常常是"外紧内松",能够有效阻止外部人员的入侵,但对内部人员所做的攻击却无能为力。文章根据这一实际情况,阐述了数据分析协同、响应协同、IDS与交换机、路由器的协同及IDS同防火墙的协同等等入侵检测技术,这种入侵检测系统的成功研发与应用,是对防火墙缺陷的有益补充。     

基于模糊神经网络的烟度检测系统的研究

本对全流消光式烟度检测系统中的不确定因素进行校正，归结为模糊规则，并用模糊神经网络来提取这种规则，实现了烟度检测系统的误差校正。仿真分析表明，模糊神经网络应用于烟度的检测是可行的。     

一种基于SVM和LVQ神经网络的入侵检测方法

入侵检测是网络安全研究中的一个热点研究领域,是一种相当实用的网络安全防御技术,将支持向量机较强推广能力与神经网络自动学习能力精巧地结合和利用起来。通过实例表明该方法具有检测正确率高,能解决小样本、非线性、高维数、不存在局部极小值等问题的特点,体现较强的实用性。     

Windows下构建基于Snort的入侵检测系统

设计一种Windows下的入侵检测系统,将入侵检测系统的工作流程和工作模式进行描述,并将Snort与其他工具进行比较。     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前，网络入侵技术越来越先进，许多黑客都具备反检测的能力，他们会有针对性地模仿被入侵系统的正常用户行为；或将自己的入侵时间拉长，使敏感操作分布于很长的时间周期中；还可能通过多台主机联手攻破被入侵系统．对于伪装性入侵行为与正常用户行为来说，仅靠一个传感器的报告提供的信息来识别已经相当困难，必须通过多传感器信息融合的方法来提高对入侵的识别率，降低误警率．应用基于神经网络的主观Bayes方法，经实验，效果良好．     

浅析入侵检测系统的分类

入侵检测技术就是对这些入侵行为的检测。它主要是通过收集和分析网络行为、安全日志、审计数据等安全信息,检查计算机系统或网络中是否存在违反安全策略的行为和被攻击的迹象。主要按原始数据和检测方法对入侵检测系统的分类进行研究。     

智能神经网络在Internet入侵检测中的应用

探讨了一个基于智能神经网络的网络入侵检测系统模型，在对网络中的IP数据包进行分析处理以及特征提取的基础上，采用智能神经网络进行学习或判别，以达到对未知数据包进行检测的目的，智能神经网络可以将多种多样的入侵检测任务划分为多个单一的检测任务，并将这些任务分配给功能专一，结构简单的较小的智能神经网络来完成，实验证明这是一种行之有效的网络入侵检测的解决方法。     

基于自适应神经模糊的磁流变阻尼器非参数化建模

磁流变阻尼器具有很强的非线性特性,准确描述磁流变阻尼器输入、输出之间的非线性关系,对提高磁流变减振系统的控制精度,保持控制系统稳定性,具有重要意义。针对经典参数化建模存在的大量参数辨识和计算复杂问题,采用自适应神经模糊系统理论,根据磁流变阻尼器实验模型,建立了磁流变阻尼器非参数化模型。它包括两个自适应神经模糊子系统,分别对特定电压下,磁流变阻尼器输入、输出关系以及电压变化导致的阻尼力输出等级进行描述。研究表明：基于自适应神经模糊理论的磁流变阻尼器非参数化模型,能以很高的精度逼近磁流变阻尼器实验模型,真实反映磁流变阻尼器的非线性特性。由于非参数化模型的计算工作量大大减少,有利于实现磁流变减振系统的精确与快速控制。     

基于模糊推理系统的制冷机组故障检测与诊断

设计制冷机组故障检测与诊断的模糊推理系统，并用实验数据对此系统进行检验。研究结果表明，利用模糊推理系统进行制冷机组故障检测与诊断是可行的。     

自适应滤波算法在车辆宽高检测系统中的应用研究

车辆宽高检测系统采用激光测距的原理对车辆的宽高进行检测,其测量所得数据中参杂有高斯白噪声。为滤除测量数据中的高斯白噪声,将基于最小均方误差的自适应滤波算法应用于宽高仪的数据处理过程中,并通过Matlab中自带的自适应函数将其实现。通过仿真波形及实验测试数据表明:滤波效果明显,能将测量误差全部控制在5cm之内。因此,自适应滤波算法能够行之有效地应用于宽高检测系统中,达到提高其测量精度的目的。     

一种基于生物免疫原理的入侵检测新模型

入侵检测系统可以从生物免疫系统的很多特点中得到启发，文中利用生物免疫原理设计了一个新的入侵检测框架模型，该框架在传统信息传输网基础上构建了免疫淋巴网，用来监控和管理传统传输网的行为。模型中还应用了阴性选择、克隆选择等免疫算法，使得该模型对于入侵检测问题有较好的敌我识别功能。     

一种基于移动代理的自组网跨层入侵检测系统

分析了Ad Hoc网络对入侵检测系统的要求,设计了一种适合移动Ad Hoc网络的基于移动代理的跨层入侵检测系统.在该系统中,检测节点监听其邻居节点网络层和MAC层的通信行为,将跨层信息作为审核数据的来源,在袭击的早期阶段就能够收集足够的袭击证据进行本地入侵检测.当本地监测信息不足以作出判断时,则引入移动代理技术进行协作检测,节约了网络资源,避免了联合检测对网络节点密度的要求,从而降低了误判率,提高了检测效率,增强了系统的分布性、灵活性和适应性.用仿真软件NS-2搭建网络仿真平台进行了仿真实验,结果表明,该检测系统能更好地保障网络安全.     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

Towards computer vision-based approach for an adaptive traffic control system

In this paper, an adaptive traffic control system (ATCS) is proposed using the state of the art of video processing techniques. We illustrate how the system controls standard four-way intersections using three parameters; namely, average vehicles flow speed, level of crowdedness of vehicles, and a critical state timer. These parameters are detected from traffic videos using our computer vision algorithm. The ATCS decision-making process has been designed to adapt to predefined priorities over the traffic parameters. The validation of the proposed ATCS has been tested using four synchronized test videos in order to feed the proposed ATCS with different traffic information. Experimental results show a complete adaptation for the traffic flow.     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

基于Kohonen神经网络算法的网络入侵聚类算法的测试研究

提出一种基于Kohonen网络的网络入侵聚类研究的方法,在阐述基本理论、原理和算法步骤基础上,利用Matlab软件平台对提出的网络入侵算法进行测试研究,并同其他方法进行仿真对比,发现Kohonen神经网络算法的网络入侵聚类在训练准确率、测试准确率和运行时间3个方面都优于PNN算法,其准确率可以达到98.1％.