求解入侵检测问题的量子免疫算法

将量子算法应用于入侵检测的检测器生成过程,提出了一种基于量子免疫原理的检测器生成算法来求解入侵检测问题。算法的基本思想是通过学习自体模式,训练出具有多样性高的抗体,然后用于真实数据的检测。采用kddcup99数据进行仿真实验,用5 000条正常网络连接训练抗体集,将所有攻击数据分类和部分正常数据一起对QIDA的性能做全面测试,仿真结果表明该算法比其他方法更加有效。     

IMS中基于遗传神经网络的DOS攻击检测模型

首先针对IMS中DOS攻击的特点进行了分析,然后基于遗传神经网络提出了一种应用于IMS的DOS攻击检测模型,在模型中利用遗传算法对神经网络的权值和偏置值进行优化。最后利用kddcup99数据集进行攻击检测实验。通过实验可以看出经过遗传算法优化后,神经网络的检测概率得到了明显提高。     

基于Nave Bayes分类的网络安全审计数据分析研究

研究了非监督学习Nave Bayes分类的原理和方法,并将其应用到文本数据——网络安全审计数据的分析中。为了提高分类准确率,根据分类的效果对数据的属性集进行选择,使用能提高分类准确性的属性作为分类的依据。对KDDCUP99数据集进行了基于不同属性集的实验,发现了与分类结果相关的属性,分类效果良好。     

基于Na?觙ve Bayes分类的网络安全审计数据分析研究

研究了非监督学习Na?觙ve Bayes分类的原理和方法,并将其应用到文本数据——网络安全审计数据的分析中。为了提高分类准确率,根据分类的效果对数据的属性集进行选择,使用能提高分类准确性的属性作为分类的依据。对KDD CUP99数据集进行了基于不同属性集的实验,发现了与分类结果相关的属性,分类效果良好。     

基于Na(i)ve Bayes分类的网络安全审计数据分析研究

研究了非监督学习Na(i)ve Bayes分类的原理和方法,并将其应用到文本数据--网络安全审计数据的分析中.为了提高分类准确率,根据分类的效果对数据的属性集进行选择,使用能提高分类准确性的属性作为分类的依据.对KDD CUP99数据集进行了基于不同属性集的实验,发现了与分类结果相关的属性,分类效果良好.     

基于粒计算与区分能力的属性约简算法?

传统的属性约简方法将整个数据集一次性装入内存,很难适应大数据背景下的数据分析。为此文中提出基于粒计算与区分能力的属性约简算法。该算法运用统计学中的分层抽样技术,拆分原始大数据集为多个样本子集(粒),在每个粒上运用属性的区分能力进行属性约简,最后将各粒约简结果进行加权融合,得到原始大数据集的属性约简结果。实验表明该算法对海量数据集进行属性约简的可行性和高效性。     

基于属性约简和SVM参数优化的入侵检测方法

支持向量机(SVM)对于小样本、非线性、高维等分类问题,具有较强的适用性。但是SVM存在训练时间长,样本集占用存储空间过大等问题。提出一种基于属性约简和参数优化的SVM的入侵检测方法。利用粗糙集理论对样本集进行特征约简并使用改进的网格搜索算法对SVM参数进行优化,删除对入侵检测无影响的属性,从而解决SVM训练时间长以及存储空间大的问题。KDD99数据集下的实验表明,该方法是有效的入侵检测方式,不仅加快训练速度,还提高入侵检测的准确率。     

基于改进的K-means入侵检测算法

传统K-means算法应用于入侵检测,存在聚类数目难以估计的缺点,导致入侵检测效果不佳.针对这个问题,提出了一种改进的K-means入侵检测算法.算法根据有效性指标确定最优的聚类数目;依据各维特征对聚类效果的影响进行加权;引入三支决策聚类方法改善聚类效果.在kddcup99数据集的实验结果表明,与传统K-means算法相比,改进后的K-means算法提高了入侵检测的检测率,降低了其误报率.     

基于数据分组匹配的相似重复记录检测

针对数据集成中相似重复记录的识别问题,提出一种数据特征属性优选分组的算法。通过计算特征属性的方差来确定某维属性的权值,基于数据分组思想选择权值大的属性,将数据集分割成不相交的小数据集,并在各小数据集中用模糊匹配算法进行相似重复记录的识别。理论分析和实验结果表明,该方法识别效率和检测精度较高。     

基于特征分组聚类的异常入侵检测系统研究

利用网络连接数据可以按照连接的基本特征、内容特征、网络流量特征和主机流量特征进行分组的特点,基于K-means算法,提出一种按照特征分组进行聚类的方法,以高效实现特征约简和数据降维.通过调整聚类参数保留特征分组内的差异信息,使用决策树C4.5算法对降维后的数据进行入侵分类处理.实验结果表明,该方法能够使kddcup99数据集的聚类特征数由41个降为4个,且对网络连接数据的总检测率为99.73%,误检率为0,其中正常网络连接和刺探攻击Probe的检测率均为100%.     

热点事件

比亚迪转型之痛 最新销售数据显示,比亚迪连续第三个月出现同比负值。7月份高端车型M6的推出,释放出比亚迪转型的信号。比亚迪正借M6进军利润空间更大的中高级轿车市场,按照规划,比亚迪还将陆续推出i6、G6、S6,定位在B级车的i6,将是品牌旗下最高端的旗舰车型。而企业制定这个新车战略之时,完全没有想到其再次翻倍的计划将受到打击,     

一种新型实时数据模型——钟面模型

动态的实时数据总是包含对应的时间信息,现有实时数据库技术没有充分考虑时间信息的建模问题;另一方面,大型实时数据库中数据存取效率的瓶颈在于磁盘的机械运动.提出了一种新型实时数据模型--钟面模型.建立了钟面模型与实时数据的时间属性之间的逻辑对应关系,分析了钟面模型与磁盘存储介质的圆柱状结构之间的逻辑对应关系,以及根据数据在逻辑钟面的偏移位置,确定数据在物理磁盘上的偏移位置的计算方法.初步研究结果表明基于钟面模型的实时数据模型及其对应的数据存取技术,可以减少磁盘的机械运动,缩短定位操作所消耗的时间,显著提高数据处理效率.     

模糊知识数据库数据模型及其实现技术

本文提出一种能处理模糊知识的知识数据库数据模型，详细介绍了其模糊知识表示，模糊关系代数及不精确推理的实现策略。     

数据采集

本文针对经济和管理领域计算机应用的新问题，运用系统工程思想，提出了数据采集概念，系统完整地归纳出在计算机信息系统各层次采集数据的通用方法及其基本原理，并分析对比各种方法的利弊，从而找到最适合广大非计算机专业的经济和各类管理人员使用的数据采集方法。     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

数据集成中XML数据查询语义重写

查询重写是数据库研究的一个基本问题，它和查询优化，数据仓库，数据集成，语义缓存等数据库问题密切相关，为提高集成系统的查询效率，系统选择提交频率较高的XML查询物化为中间层视图，用户提交查询后，系统尽可能利用中间视图层中视图，而不是访问数据源来回答查询，这个问题实际可以归结为半结构化查询重写问题，考虑到中间视图层空间的有限性，已有视图应当尽可能回答更多的查询，传统查询重写方法有考虑半结构化数据之间的约束，而根据约束可以等价变换查询，从而提高中间视图层中的表达能力，提出了一种新的半结构化查询重写的方法，该方法在保证算法正确性和完备性的基础上，利用上半结构化数据中的约束，尤其是XML文件中的路径依赖，来增强中间层物化视图的表达能力，理论分析和初步原型实验证明方法的有效性。     

数据断层分析在广播电台数据处理中的应用

随着大数据技术的不断升温,数据断层现象的分析与处理已经成为数据挖掘领域重要的方式与手段。数据断层理论作为描述数据对象之间发生局部位移趋势的分析理论,对于数据预处理过程具有十分重要的指导性意义。在初步描述数据断层理论基本概念的基础上,以上海"动感101"音乐电台的移动客户端应用日志数据为例,构建数据断层理论分析系统来处理电台数据中所存在的数据断层现象,提高了数据对象预处理的质量,得到了有效的电台决策辅助信息,从而充分说明了数据断层理论的科学性和有效性,为进一步研究奠定了坚实基础。     

基于数据属性描述的数据过滤方法

本文研究了已有的各种基于Web的信息系统数据过滤方法,评价了它们的优缺点和适用范围,并实现了一种基于数据属性描述的数据过滤新方法。通过合理配置数据过滤程序,提高数据过滤的效率。该数据过滤方法实现了数据过滤的灵活定制和软件复用,减少了开发人员的重复工作。     

数据并行高层描述语言中的数据抽象

数据并行高层描述语言DPHL是我们开发的面向科学计算的一个描述语言,变量定义和基于域上的计算是该语言的重要组成部分,本文通过对数据并行方法、科学计算特点以及现有并行语言的研究和分析,论述了变量定义中数据抽象的两个主要方面;一是引入了变量的定义域、子域和依赖域概念,给出了它们的形式化描述,二是引入了变量的数学属性,并和域分离,便于数据并行自动识别,重构高效的并行程序,使DPHL描述符合或接近于专业上数学表示。     

面向流数据处理的数据中心网络拓扑研究

作为网络服务的底层硬件平台,数据中心的网络拓扑结构及工作机制对于上层的应用服务的性能具有决定性的作用。传统数据中心采用的树形分层结构已经难以满足新一代网络服务的需求,特别是在数据流的应用上传统的网络结构更加无法适用。因此,提出一种针对流数据处理的新型模块化数据中心拓扑构建方式并设计以服务器为中心的路由算法。该方案采用低造价的商业级交换机构建数据中心网络,在降低构建造价的同时提高网络的吞吐量及容错性能。实验表明,所提出的拓扑结构及路由算法在流数据处理上的网络吞吐量表现优于传统的树形结构并且具有更好的容错性能。