基于数学模型的高效通信网络入侵检测方法

由于现行方法在高效通信网络入侵检测中应用效果不佳,不仅误检率比较高,而且平均精度均值mAP比较低,无法达到预期的检测效果,提出基于数学模型的高效通信网络入侵检测方法。利用数据采集器捕获通信网络路由信号,并通过数据聚类提取到特征突出的入侵信号,对入侵信号归一化处理,消除信号之间的关联性,利用处理原则对入侵信号简化处理,利用数学模型提取入侵信号有效特征段,根据有效特征段能量特征与信噪比特征提取到入侵信号特征值,通过与正常通信状态下信号特征值比对,识别检测到通信网络入侵行为,以此完成基于数学模型的高效通信网络入侵检测。经实验证明,设计方法误检率低于5%,平均精度均值mAP在0.95以上,能够有效保证通信网络入侵检测精度,具有良好的应用前景。     

基于大数据驱动的光纤通信网络异常入侵检测研究

当前网络异常入侵检测主要依托于信息熵法,在检测过程中并未对入侵提取结果进行分类,导致最终检测结果误报率较高。为降低检测结果误报率,因此,研究了一种基于大数据驱动的光纤通信网络异常入侵检测方法。首先小波阈值对光纤通信信号进行去噪处理,通过信息增益算法、前向选择和后向去除相结合的方法完成通信数据特征降维,然后应用粗糙集理论和决策树算法构建入侵信号提取检测模型,最后通过聚类算法整理所有异常信号,再根据信号相位差值得到异常入侵定位检测结果。实验结果表明：面对两个不同的测试数据集,所提方法得到的异常入侵检测结果误报率最大值分别为2.75%、2.02%,能够满足入侵检测要求。     

多Agent的创新网络入侵检测方法仿真研究

在多Agent的创新网络中,容易出现周期性漏洞和链路反馈溢出,为网络病毒的入侵提供了时隙。通过多Agent的创新网络入侵进行有效检测,可以实现对病毒的拦截和识别,提高网络安全性能。提出一种基于局部特征尺度的多Agent下创新网络入侵检测方法,分析网络结构和网络入侵节点分布特征,构建多Agent的创新网络入侵信号模型,进行入侵信号的滤波抗干扰处理,采用局部特征尺度匹配方法进行网络入侵的匹配滤波检测,实现网络入侵检测算法的改进。仿真实验结果表明,采用该方法进行网络入侵检测,准确检测概率高于传统方法,并具有较好的幅值响应性能,有效抑制了多Agent的创新网络中的旁瓣干扰,在网络安全防御中具有较好的应用价值。     

铁路运输通信网络入侵信号识别方法研究

为有效降低高危入侵信号对铁路运输通信网络带来的风险,提出基于分布式光纤传感器的铁路运输通信网络入侵信号识别方法.采用幅频响应特征提取方法分割铁路运输通信网络入侵信号片段,结合小波阈值收缩法和平移不变信号法对分割后入侵信号片段进行滤波和除噪处理,通过基于优化粒子滤波的模糊网络入侵信号特征提取方法,提取除噪入侵信号的模糊相...     

水声通信系统中信号同步的一种实现方法

水声通信技术是解决水下信息传送和处理的关键技术,它广泛应用于水下自治机器人(AUV)、水下通讯网络、遥控和目标检测等领域.由于水下恶劣传输条件的影响,水声通信系统中同步信号的处理是系统的一个关键问题.本文介绍了一种简单的水声通信方案的设计,重点分析了采用同步脉冲信号通信体制的位同步、帧同步实现方法.     

水下通信中信号跟踪方法的抗干扰设计

针对传统的水下通信信号跟踪方法根据点观测信息对当前信号状态实施预测,对数据信噪比较为敏感,存在较高的误码率和较低的抗噪性能,设计一种抗干扰性强的水下通信信号跟踪方法。通过分块的信道跟踪方法对实际信道进行实时跟踪,减缓时变对信道的冲击,在跟踪的信道中采用弱小目标信号的检测前跟踪方法,将原始数据作为观测数据,利用跟踪算法预计目标状态,再对目标状态进行检测判决,有利于低信号噪音在高信噪比条件下的能量积累,提高目标检测性能,实现高噪声水下环境中通信信号的准确跟踪。实验结果说明,所提方法能够准确跟踪水下通信信号,具有较低的误码率,抗噪性能高。     

分层网络伪装入侵实时高速检测方法研究北大核心CSCD

提出一种分层网络伪装入侵实时高速检测方法.该方法首先对分层网络数据进行预处理,采用蚁群算法对分层网络伪装入侵实时高速检测进行特征选择,然后结合特征选择的分析进行网络伪装入侵实时高速分层聚类方法完成对分层网络伪装入侵实时高速检测方法的研究.仿真实验表明,利用分层网络入侵检测方法能有效地提高网络入侵实时高速检测准确性.     

多组件协作式网络安全入侵检测系统设计

为了提高网络安全性能,提出基于多组件协作式检测的网络入侵安全检测系统设计方法。构建网络入侵的信号模型,对信号采用自适应匹配滤波器进行入侵特征检测,采用多组件协作级联滤波方法进行入侵信息过滤,实现入侵检测算法设计,在Matlab 7仿真软件中进行入侵检测系统的软件开发设计。采用硬件抽象组件、综合硬件组件和高层软件组件混合开发方法,实现多组件协作检测。测试结果表明,采用该方法进行网络安全入侵检测,具有较高的准确检测概率,提高了网络安全防护能力。     

基于FS算法和极限学习机的通信网络入侵检测方法

针对当前复杂通信网络环境入侵行为检测中存在检测结果精确度低和召回率低的问题,在引入FS算法和极限学习机的基础上,开展对通信网络入侵检测方法的设计研究。通过通信网络入侵行为分类及检测模式匹配、基于FS算法的通信网络入侵行为特征提取、基于极限学习机的入侵行为检测及学习效果优化、基于投票策略明确通信网络入侵行为属性,提出一种全新的检测方法。通过实验进一步证明,新的检测方法与基于GA-SVM算法的入侵检测方法相比,检测结果的精确度和召回率都得到有效提升,保证通信网络环境的安全性。     

粒子群算法和SVM的网络入侵检测

针对当前的神经网络检测算法在强干扰下的网络入侵检测准确拦截性不好的问题,提出一种基于粒子群算法和支持向量机的网络入侵检测方法。构建网络入侵的特征信号模型,采用二阶自适应格型IIR陷波器进行入侵信息的抗干扰处理;粒子群算法进行自适应寻优提取网络入侵特征的最优解,SVM进行入侵信息分类,实现网络入侵有效检测;并进行仿真测试。结果表明,采用该方法进行网络入侵检测的准确拦截概率较高,误检和漏检概率较低,保障了网络安全。     

网络被入侵后的信号检测系统设计与优化

针对当前对网络入侵异常检测精度不高的问题,进行网络被入侵后的异常信号检测系统优化设计,提出基于高阶时频谱分析的网络入侵异常信号检测算法,首先对信号检测算法进行改进设计,构建网络入侵信号模型,对入侵后的网络异常信号做非平稳信号经验模态分解和高阶时频谱特征提取;然后进行信号检测系统的开发;最后通过仿真实验进行性能测试。仿真结果表明,采用该信号检测系统能准确检测网络被入侵后的异常信号,且准确检测概率高于传统方法。     

基于强化学习的通信网络入侵自适应检测方法

通信网络入侵检测是网络信息安全领域研究的重点。传统的通信网络入侵检测方法属于固定式检测,不能根据通信业务变化而自主升级,容易发生误判、漏判等问题。为此,提出了基于Q强化学习算法的通信网络入侵自适应监测方法。利用强化学习智能体与环境交互,不断更新智能体的特点,设计了自适应监测的方法。以该方法为核心,介绍了入侵检测系统设计,实际应用情况表明该方法较传统固定式检测方法具有更高的检测稳定性,对通信网络传输业务变化的适应性更强。     

基于特征学习的无线传感网络入侵行为检测方法

传统的机器学习算法在无线传感网络入侵行为检测中应用效果不理想,Recall（召全率）和F1-score（召全率与精准率的调和平均数）较低,针对现行方法存在的不足和缺陷,提出基于特征学习的无线传感网络入侵行为检测方法。利用时间戳马尔可夫模型对无线传感网络进行分段,实现对网络入侵数据局部特征编码,利用深度学习网络,学习网络入侵行为特征,对网络数据标签进行数值化和归一化处理,根据入侵特征对网络行为进行分类,识别检测入侵行为,以此实现基于特征学习的无线传感网络入侵行为检测。经实验证明,设计方法Recal在95%以上,F1-score在90%以上,检测精度较高,在无线传感网络入侵行为检测方面具有良好的应用前景。     

网络噪声干扰下的入侵信号提纯技术研究

传统方法采用FIR滤波算法进行网络入侵信号的滤波提纯,但是当入侵信号在大混响背景干扰下时,无法有效实现信号滤波提纯。文章提出基于小波尺度特征分析的网络入侵信号提纯算法,首先构建网络入侵信号的背景干扰模型,并进行信号滤波,然后采用鱼群信息链特征优选准则实现入侵信号的检测。仿真结果表明,该算法能有效提高网络入侵信号在低信噪比下的检测性能,信号的提纯纯度较高,滤波效果较好,能有效抵御网络攻击。     

基于模糊关联规则挖掘的网络入侵检测算法

为了有效解决当前网络入侵检测算法存在的缺陷,提高网络的安全性,提出基于模糊关联规则挖掘的网络入侵检测算法。首先收集网络数据,提取网络入侵行为的特征;然后采用模糊关联规则算法对入侵行为特征进行挖掘,选择入侵行为最有效的特征,减少特征之间的关联度;最后支持向量机根据"一对多"的思想建立网络入侵检测的分类器,以KDD CUP数据为例对网络入侵检测性能进行分析。结果表明,该算法的网络入侵检测正确率超过了95%,检测结果要明显好于其他检测算法,易实现,可以用于大规模网络的在线入侵检测分析。     

基于人工智能的通信网络入侵检测系统设计

通信网络入侵检测系统是抵御网络攻击行为的屏障,但由于传统的检测系统反应较慢,识别力较低,导致其误报率高,难以起到维护通信网络安全的作用,针对该问题设计基于人工智能的通信网络入侵检测系统。新增TILEGX-36众核处理器和FPGA芯片作为其硬件设计。软件设计方面,基于人工智能优化入侵系统检测算法,挖掘海量数据中的网络行为异常并进行分类,抓取其行为特征并进行判定,基于此数据处理模式设计入侵检测系统响应模块。实验结果:在本次设计的检测系统实际测试中,对于入侵行为的响应时间较传统方法提高了37.2s;对攻击行为的误报率降低了11.09%,满足检测系统的设计要求。     

基于特征优化的网络入侵检测模型设计

为了克服当前网络入侵检测模型存在的局限性,以获得更加理想的网络入侵检测结果,设计基于特征优化的网络入侵检测模型。首先研究当前网络入侵检测建模现状,分析特征对网络入侵检测结果的影响,然后建立网络入侵检测的特征优化数学模型,通过模拟自然界生物进化的自适应遗传算法对特征优化数学模型的解进行搜索,对最优解反编码得到入侵检测的最优特征子集,最后根据最优特征子集对网络入侵检测的学习样本进行建模,设计最优的网络入侵检测模型。采用网络入侵检测的标准数据集进行仿真对比测试,文中模型的网络入侵检测平均正确率大约为95%,而当前其他网络入侵检测模型均在95%以下,同时该模型的入侵检测建模训练和检测时间大幅度减少,能够获得更优的网络入侵检测效率。     

一种稳健的水声差分跳频通信体制

基于水下目标的通信保密、安全可靠性要求,提出一种新的水声差分跳频通信体制,与传统跳频通信不同,它是利用相邻跳频调制信息.通过分析其频率转移函数的构造方法和差分跳频信号的多途特征,提出一种基于自相关的短时傅里叶变换的跳频检测方法,并利用Viterbi算法纠正部分错码.仿真结果表明,该文提出的通信体制和检测方法能有效的克服水下干扰、多途和多普勒频偏,在较低信噪比下,仍有较好的误码性能,适用于水下安全保密通信场合.     

基于大数据的计算机信息安全处理技术研究

本文通过计算机网络信息采集,提取信息特征,进而实现网络攻击入侵检测。以交换密钥协议为基础,实现合法通信双方的安全通信。设置网络防火墙,建立多核并行处理CPU架构,截获计算机网络环境的入侵。经实验论证分析,本文方法和传统方法相比,入侵检测率更高。     

基于机器学习算法的通信网络入侵行为检测方法

为解决网络入侵行为检测的难题,研究基于机器学习算法的通信网络入侵行为检测方法。获取通信网络入侵数据,分析通信网络异常行为;基于机器学习算法处理入侵行为数据,筛选出网络安全漏洞与网络攻击数量;构建网络入侵行为检测模型,减少网络入侵行为的检测漏洞,进而实现网络入侵的精准检测。实验结果表明:研究的检测方法检测到的入侵行为数据与实际入侵行为数据相差较少,检测结果较为精准,极具推广价值。