基于云模型的网络风险评估技术研究

在网络安全问题的研究中,由于网络入侵行为具有不确定性(模糊性和随机性),云模型把模糊性和随机性有效集成在一起.为保护网络的安全性,提出了一种基于云模型的网络风险评估方法.给出了形式化描述及评估过程,并提出了一种改进的逆向云生成算法.模型通过对系统资源监控,并对得到的数据进行处理,然后输入到云控制器,云控制器根据设定的规则做出评估结果.实验结果表明了方法可以有效评估网络的风险等级,最大限度的保留了评估过程中固有的不确定性,比传统基于模糊集理论的评估方法具有更高的可信度,提高了评估结果的科学性和准确性.     

一种基于云模型的不确定性数据的建模与分类方法

不确定性是数据的本质特征,它的产生可能来自于样本误差、更新延迟或重复测量等,对不确定性数据的分析在越来越多的领域得到了关注。传统的不确定性数据的数据项被表示成一个值域及其上的概率分布函数。由于不确定性数据存在模糊性与随机性,传统的概率分布函数难以准确定义不确定性数据的实际分布,因此利用云模型中云滴的分布提出一种不确定性数据的云建模过程,并通过云综合与云相似度计算来实现不确定性数据的分类。云模型能有效地将数据的随机性与模糊性融合在一起,能更真实地反映数据的实际分布,从而实现有效的数据分类。实验结果也证明了此种方法的有效性。     

网络入侵危险性评估的云理论实现

由于任何网络安全手段都无法完全阻止网络攻击,保护网络的绝对安全,因此对网络入侵危险性进行评估,进而采取相应的防御手段就非常重要。传统的评估方法都无法同时评估网络入侵的不确定性(模糊性和随机性),基于此,利用云模型理论把模糊性和随机性有效集成在一起的优点,提出了一种基于云理论的网络入侵风险评估方法。本文给出了方法的理论基础、设计思想和关键实现技术及评估过程,并提出了一种改进的逆向云生成算法。该模型通过对系统资源监控,并对得到的数据进行处理,然后输入到云控制器,云控制器根据设定的规则做出评估结果。实验结果表明,该方法最大限度地保留了网络入侵评估过程中固有的不确定性,提高了评估结果的科学性和准确性。     

可信网络中一种考虑不确定性的节点信誉量化模型

可信网络中节点信誉是一种重要而带有不确定性的信任关系。信誉及其聚合过程具有模糊性和随机性特征。云模型能够科学地描述节点信誉及其形成过程的不确定性。采用逆向云生成算法,揭示了节点信誉及其聚合过程在整个生命期的模糊性和随机性规律;获得其信誉云的数字特征值,指导在局部窗口内其信誉的量化。基于服务满意度评价的确定度值这一具有稳定倾向的随机数,结合衰减系数,设计了信誉度量化模型。模型中的权值是与满意度值有关的有稳定倾向的随机数。所提信誉量化模型切合开放网络信任关系的不确定性规律。仿真结果表明,与其它信誉量化模型相比,所提出的模型计算结果稳定,且具有较强的杭攻击性。     

基于云理论的遥感图像土地利用分割分类方法研究

传统的遥感图像土地利用分类技术自动化和智能化的程度较低,遥感图像土地利用分类问题是一个包含随机性和模糊性的不确定性问题,而云模型把模糊性和随机性集成到一起,构成定性和定量相互间的映射。据此,本文探索将云理论引入到遥感图像土地利用分割分类技术中,建立了基于灰度的云映射空间,实现对遥感图像的分类。同时以武汉市南湖地区进行了实证分析,进一步阐述了模型构建过程,通过分类结果的评价和对比,探索该方法在本领域中的适用性。     

一种新的基于云理论和随机过程的可靠性评估方法

为解决系统可靠性评估中不确定性的问题和定性与定量信息转换的困难,结合随机过程可靠性分析方法和云理论,提出了一种新的可靠性评估方法.将云理论融合到随机过程可靠性分析方法中,利用云模型描述系统的状态转移.同时,构造系统定性评价中的云标尺,将系统可靠性评估中的定量变量和定性变量对应起来.该方法考虑了系统可靠性评估中的随机性和模糊性,研究了系统可靠性中的定量表示和定性评价之间的对应关系,结果是语言值,很直观.通过这个方法,找到语言值描述的系统特性与定量数值描述的系统特性之间的对应关系,能够准确理解和使用这些系统评估中的语言值.最后用一个实例验证了该方法的适用性.     

基于云模型和SFT的可靠性数据不确定性评价

为了分析和评价系统可靠性数据中的不确定性,即随机性、离散性和模糊性,将云模型与空间故障树(Space Fault Tree,SFT)理论相结合,使用云化SFT作为基础对数据不确定性进行评价。首先使用云模型能表示数据不确定性的特点,将SFT的相关概念进行云化。将其中云化系统故障概率分布对在某因素影响下,可靠性数据生成的云模型特征参数Ex、En和He进行求导。根据在系统工作环境范围内的求导结果,并结合提出的模糊性 、离散性 和随机性 计算数据的不确定性。使用该方法对经典实例进行了分析,得到了一些定性和定量结果。但Q和 两个参数应该具体问题具体分析。     

基于云模型的入侵检测研究

由于网络行为的不确定性,使现有入侵检测系统几乎都存在高误报率和高漏报率的缺点。云模型是将模糊性和随机性有机结合进行不确定性推理的有效工具。本文利用云模型来处理网络实体行为的不确定性,提出了一种新的云入侵检测方法。该方法通过基于云知识库的云推理引擎进行不确定性推理,以对网络实体行为进行智能判断。模拟结果表明该方法能有效提高入侵检测效率。     

运用云模型评价复合网络情境的方法研究

由于网络的开放性、动态性、难控性等特征,网络情境参数的取值及其变化表现出模糊性、随机性等不确定特征,对Internet中软件系统的运行和管理具有重要的影响。在对实际网络应用需求分析的基础上,利用云模型在定性概念与定量数值之间转换的优点,研究了一种基于云模型的复合网络情境评价机制。它对多维网络情境因素的特征进行了刻画,能够实现多维情境参数与运行时网络环境评估之间的量化映射,较好地处理情境参数的不确定性和模糊性;通过加入用户误差承受度,动态调整样本数量,使建模结果更为稳定和准确;实现了在参数级和群体级两个粒度的网络情境参数特征建模,较好地表征了网络情境的整体评价,有助于避免配置抖动问题。该方法的效果通过系列仿真实验得到了验证。     

基于数据场和云模型的物料需求计划方法

为在供应链物料需求计划中自动发现重要材料,基于数据场和云模型提出物料需求计划方法。数据场聚类方法基于场中自然嵌套数据结构等势线(面)的分布以及数据对象自组织的聚集特征实现水平划分。借助数据场,材料能自动聚类并在物料需求计划中发现不同分类。通过云模型反映聚类知识的不确定性,尤其是随机性和模糊性。实例研究结果表明,该方法可以用于供应链物料需求计划领域。     

网络安全风险评估的云决策

为了更合理地评估网络安全风险,利用云模型集成随机性和模糊性的优点,提出一种基于云模型的网络安全风险评估和决策方法。首先,通过采样系统正常状态信息,构造标准概念云;在进行风险评估时,采样处于风险状态时的信息,计算其云数字特征;然后利用改进的基于云滴距离的云相似度算法,计算与标准概念云的相似度,相似度最大的即为最终输出结果。最后,通过Kddcup99数据集进行模拟攻击及性能采样仿真实验。结果表明,该方法最大限度地保留了风险评估过程中固有的不确定性和模糊性,提高了评估结果的可信性。     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。     

基于云模型的隶属概念判定算法的改进

在人工智能领域中,李德毅教授等提出的定性定量不确定性转换模型——云模型,把概念的模糊性和随机性完全集成到一起,构成定性数据和定量数据的相互映射。但是,在利用云模型进行隶属概念的判定的算法中,不论对象是否明确属于某个概念,一律进行不确定性判定,过分地强调了模糊性和随机性。这不符合人类的认识规律,而且增加了算法的时间复杂度,甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象,不再进行不确定性判定,直接被认定为属于该概念,只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定,使其符合人类的认识规律,降低了算法的时间复杂度。     

基于云模型的服务信任模型

针对Web服务中信任的主观性和不确定性等特点,提出一种基于云模型的信任建模方法,并给出了直接信任云、推荐信任云、综合信任云的计算方法及基于时间权重的信任更新算法．同时,该模型运用具体的服务能力评价信息来量化服务的信任度,增强了模型的客观性,使其能较好地量化实体的真实信任水平,提高网络中实体的交互成功率．实验与分析结果表明,该模型在网络环境中具有较好的效果．     

基于遗传算法的云小波寻优

针对定性概念与定量表示之间不确定性转化的模糊性和随机性问题,并为避免小波网络陷入局部极小、过拟合现象,将云模型、遗传算法和小波神经网络相结合,不但解决了定性定量之间的完好转换,而且通过遗传算法的全局优化搜索得到了网络的最优参数。仿真实验验证了这种新方法对于空气增压机故障诊断的有效性。     

黏性土冻胀风险可拓评价方法研究

针对黏性土冻胀性分级指标单一、界限值大,无法反映冻胀影响因素间不确定性的问题,本文在基于可拓云模型在不确定性方面的优点,结合熵值客观赋权方法提出了以取样深度、含水率、干密度、孔隙比和超塑含水率为评价指标的可拓云综合评价模型.该模型可根据实测数据与冻胀风险等级的随机性处理离散化问题,真实反映指标间的模糊性、随机性以及不确定性关系,准确评价黏性土冻胀等级,通过工程案例对该模型的有效性进行了验证.研究结果表明,基于熵值法的可拓云综合评价模型在黏性土冻胀风险评价中的应用是有效的、可行的.     

数字化技术在架空输电线路工程竣工验收中的应用研究

传统的架空输电线路工程竣工验收过程依赖于人工测量和纸质记录。然而,这种方式存在人为误差和信息不准确的风险,人力和时间成本高、效率低、效果不理想。本文提出了一种数字化竣工验收模式,该模式利用激光雷达对验收工程进行实体扫描,采集点云数据和其他航飞数据,并通过数据预处理、AI数据分割与分类等步骤构建线路本体和通道点云模型。将分割后的点云数据与线路设计模型数据进行对比计算分析,判断其是否满足相关验收标准中的允许值。该数字化竣工验收模式可以有效降低人为误差和信息不准确的风险,同时提高验收效率和效果的提升。基于该模式开发的数字化验收平台在某工程项目中进行了实验,结果表明能大大减少人工的参与,且能有效地缩短验收的时间。     

基于云模型的科技奖励评审模型研究

云模型是实现定性概念与定量表示之间不确定性转换的模型,它把模糊性和随机性有机结合起来。本文提出了一种基于云模型的科技奖励评审模型,利用云模型客观描述项目的评分在各属性下的分布情况,通过计算云模型参数来确定云模型数字特征图或云滴分布情况,并以此确定最后等级。结果表明,该模型能够解决项目单一属性分类及非共识等问题,同时能够客观地反映出项目实际综合评审结果,从而使得评审更加公平合理。     

3D点云形状补全GAN

在真实的扫描环境中,由于视线遮挡或技术人员操作不当,实际采集到的点云模型会存在形状不完整的问题。点云模型的不完整性会对后续应用产生严重的影响,因此提出3D点云形状补全GAN用于完成点云模型的形状补全。该网络的点云重建部分由PointNet中用于数据对齐的T-Net结构与3D点云AutoEncoder网络相结合,来完成预测和填充缺失数据,识别器采用3D点云AutoEncoder中的Encoder部分对补全3D点云数据与真实的3D点云数据进行区分。最后,在ShapeNet数据集中训练上述网络结构,对所训练的网络模型进行验证并与其他基准方法进行定性比较。从实验结果可以看出,3D点云形状补全GAN可以将具有缺失数据的点云模型补全为完整的3D点云。在ShapeNet的3个子数据集chair,table以及bed上,相比基于3D点云AutoEncoder的方法,所提方法的F 1分数分别提高了3.0%,3.3%以及3.1%,相比基于体素3D-EPN的方法,所提方法的F 1分数分别提高了9.9%,5.8%以及4.3%。