基于各向异性质心Voronoi图的网络异常检测技术

网络异常检测技术是入侵检测研究领域中的重要内容,但在检测率和误报率上存在相互制约的问题,导致实际应用中性能不高。基于各向异性质心Voronoi图,提出一种新的网络异常检测算法。在新算法中,首先对数据集用各向异性质心Voronoi图进行聚类,然后计算每个数据点的点密度,判断数据点是否正常。通过KDD Cup1999数据集的实验测试表明,新算法具有较高的检测率和较低的误报率。     

基于TSK模糊控制系统的网络异常检测

在网络异常检测中,为了提高对异常状态的检测率,降低对正常状态的误判率,该文提出利用TSK模糊控制系统进行网络异常检测的新方法。在对TSK模糊控制系统的训练中采取梯度下降算法,充分发挥梯度下降局部细致搜索优势。实验数据采用KDDCUP99数据集,实验结果表明,基于梯度下降的模糊控制系统提高了异常检测的准确性。     

一种新的网络异常监测模型

网络已经成为当今社会建设与发展的重要基础建设,然而蠕虫、病毒等恶意代码对网络的正常运行造成严重的冲击和危害,造成巨大的损失。因此实现在网络环境的实时监控,迅速检测和掌握恶意代码发作情况对于防范恶意代码的破坏,降低其造成的损失具有重要的意义。本文提出了一种新的基于层次化结构的网络异常监控模型,它采用分层,跨平台的分布式监测,集中监控数据分析的系统结构,拥有具有良好系统监控策略配置能力和系统扩展性。     

基于字节频度的异常入侵检测影响因素研究

目前数据包负载异常检测缺乏针对性的测试数据。为此,构建一个模拟网络数据集,对基于字节频度分布的异常检测模型进行测试分析。实验结果表明,该数据集对模型测试具有可行性;数据包大小的分布特性对检测准确度有较大影响,必须根据特定网络服务数据包尺寸的密集分布区确定检测阈值,并尽量向小尺寸方向校准;数据包之间的频度差异对分组求频度平均值的模型有很大影响,组内数据包之间过大的频度差异将导致包模型失效,连接模型性能降低较大,改进的包模型则不受影响。     

现代通信网络技术故障案例解析

文章通过对现代通信网技术实践课程中相关教学案例进行解析,并对交换机中各目的码、各项记数器、提高接通率措施的说明、减少计费误码及交换机产生各项呼损的原因进行分析,让学生在后续的课程中能更完善的将本课程内容学以致用。     

高精度磁测在沉积型磁铁矿区的找矿效果

沉积型磁铁矿脉特点是矿脉宽度小,品位低,综合磁性不均匀。通过对已知矿体进行剖面测量,证明高精度磁测的有效性,对野外实测数据进行日变校正、正常场校正、高度校正、水平梯度校正,化极、向上延拓、求取垂向二阶导数,以及对实测磁异常剖面进行人机对话反演等处理获得良好的效果。本次高精度磁测工作查明了矿区内磁铁矿（化）体的空间分布范围及大致埋深情况,圈定了几个有价值的磁铁矿（化）体靶区,取得了良好的找矿效果。     

西藏多龙矿集区遥感异常提取与成矿预测

以西藏多龙斑岩型铜矿区为例,根据已知矿床,分别利用比值法和主成分分析法对ETM＋和ASTER数据提取铁染与羟基异常信息,分析研究已知矿体遥感异常特征;通过波谱特征拟合的方法,对研究区进行波谱分类。利用两方面的成果来对多龙矿集区作成矿预测,划定远景成矿区,其中一级预测区6个,二级预测区12个。多种异常对比组合,能够发现更好的指示成矿线索的信息。     

基于系统调用属性的程序行为监控

程序的行为轨迹常采用基于系统调用的程序行为自动机来表示.针对传统的程序行为自动机中控制流和数据流描述的程序行为轨迹准确性较低、获取系统调用上下文时间开销大、无法监控程序运行时相邻系统调用间的程序执行轨迹等问题,提出了基于系统调用属性的程序行为自动机.引入了多个系统调用属性,综合系统调用各属性的偏离程度,对系统调用序列描述的程序行为轨迹进行更准确地监控;提出了基于上下文的系统调用参数策略,检测针对系统调用控制流及数据流的行为轨迹偏离;提出了系统调用时间间距属性,使得通过系统调用及其参数无法监控的相邻系统调用间的程序行为轨迹在一定程度上得到了监控.实验表明基于系统调用属性的程序行为自动机能够更准确地刻画程序行为轨迹,较传统模型有更强的行为偏离检测能力.     

基于异常任务运行记录的WSN故障检测

针对传感器网络在资源受限部署后难以实施故障检测的问题,提出基于异常任务运行记录的故障检测方法。通过分析节点程序运行特征,建立节点行为状态模型,结合系统部署前的测试执行记录和卡方检验技术进行故障检测。实验结果表明,该方法与已有方法相比,能有效检测未知类型故障,且通信、存储和计算开销均较小。     

基于数据流方法的大规模网络异常发现

随着网络规模和速度的增加,大规模网络异常发现要求检测算法能够在无保留状态或者少保留状态下对G比特级的海量网络业务量数据进行实时在线分析。针对在高速骨干网上进行大规模网络异常发现的特点和要求,提出了一种基于数据流的大规模网络异常发现的方法,第一次将数据流模型用于大规模网络的异常发现。主要包括以下创新点:设计了一种面向异常发现的网络流量概要数据结构和突发高频事件检测算法;提出了一种基于安全监测策略定制的预查询方法来进行多数据流的关联监测并且对数据流查询进行了优化;在真实数据分析的基础上,对网络业务量进行了数据约减,使得监测部分特殊类型的数据流能最大程度地获得整体网络业务量的变化特征以提高异常发现的效率。通过真实网络环境下的实验和性能评价验证了数据流方法的有效性。