基于虚拟机技术的可疑文件自动检测系统

针对特征码技术不能检测新型未知非法程序的特点,提出了一种基于虚拟机技术和行为分析技术的可疑文件自动检测系统。重点介绍了检测系统的工作流程图,给出了系统的管理中心和检测中心的模块架构,详细分析了两个中心的技术原理。测试结果表明,基于自定义的判定规则库,系统能够快速判断被检测文件的危险等级,生存周期长。     

垃圾邮件分类的偏依赖特性研究

由于相对于漏报,误报会对邮件过滤性能造成更负面的影响,因此有必要研究如何让邮件过滤器对误报代价表现出更高的敏感性.本文通过引入具有偏依赖特征的权值系数函数,提出了一种能够实现非对称训练学习的改进拟合Logistic Regression邮件分类算法模型.根据在实际邮件样本集上所作测试试验,在分类精度性能没有降低的条件下,验证了新分类模型在误报率和漏报率两项指标之间存在较明显的偏依赖特性,同时对扰动特征数据表现出较强鲁棒特性.     

基于LRU_CBF的大流识别算法

对网络中的大流进行提取和分析对于网络管理和安全防御具有重要意义.文章通过把最近最久未使用(LRU)策略和计数型布鲁姆过滤器(CBF)两种结构结合起来,取其各自的优点,提出一种新的大流检测算法.该算法针对大流检测漏报率高的缺陷,将“大流过滤”和“大流判断”分离,提高了算法的准确性,降低了空间复杂度.最后通过理论分析和仿真实验进行了算法的验证.     

神经网络技术在网络入侵检测模型及系统中的应用

主要研究包含神经网络模块的网络入侵检测模型及系统,分析传统入侵检测系统的缺陷及神经网络技术在入侵检测中的优势,建立了基于神经网络且包含误用和异常检测的网络入侵检测系统。利用该系统进行了大量入侵检测试验,试验结果表明:所建模型具有较低的漏报率和误报率,可以很好地检测各种网络入侵类型,大大提高网络的安全性能。     

基于组合式目标检测框架的低漏报率缺陷识别方法

针对输电线路机巡影像缺陷识别中低漏报率的需求,提出了一种基于组合式深度目标检测框架的输电线路低漏报率缺陷识别方法.该方法首先利用典型目标检测算法在输电线路巡检图像数据集上进行训练,得到输电线路设备缺陷的特征提取网络;随后引入位置随机分布函数改进目标预测的方式,并利用自适应非极大值抑制判别器,对2个网络的特征提取结果进行...     

基于神经网络的多等级报警系统

设计了一种基于神经网络的多等级报警系统。系统采用了多个传感器与布尔神经网络算法的结合,通过汉明距离扩展化简布尔BP神经网络使其便于硬件实现。神经网络和多等级报警的应用降低了系统的误报率和漏报率,而且系统与网络结合提高了应对多种环境的检测能力。实际测试表明了系统性能稳定,易于实现。     

基于PCA的3种改进BP算法性能研究

现有入侵检测系统的效率和准确率较低。为此,提出一种基于主成分分析的特征提取方法。对数据源进行特征降维,将获得的主成分作为BP神经网络的输入数据进行识别。分析原始BP算法存在的问题,研究RPBP、CGBP、LMBP 3种改进BP算法,并进行仿真实验,结果表明,与原始BP算法相比,改进算法收敛速度快,漏报率和误报率低,能有效改善入侵检测的识别效果。     

基于数据融合的源代码静态分析漏洞检测技术

针对目前现有静态分析方法存在的漏报率和误报率较高的问题,提出一种基于数据融合的源代码静态分析漏洞检测技术.该技术通过对不同检测方法的分析结果进行解析和数据融合,有效地降低误报率和漏报率.设计与实现了一个可扩展的源代码静态分析工具原型,可通过用户的反馈信息自动寻优.实验结果表明:相对于单个漏洞检测方法而言,该方法的误报率和漏报率明显降低.     

一种基于数据融合的IDS方法研究

分析了当前IDS（intrusion detection system）的缺陷,讨论了数据融合技术应用在IDS领域的可行性,提出了一种基于数据融合（data fusion）的IDS（DFIDS）模型,融合决策采用算术平均值的方法,以达到降低漏报率和虚警率的目的,模拟实验证实了这一点。基于数据融合的入侵检测方法是IDS发展的一个重要方向。     

OC函数对虚警率、漏报率及样本容量定量分析

在传感器检测中,往往要求在漏报率Pm尽可能小的前提下,虚警率Pf也要小。如果要求Pm尽量小,只有增加样本容量,但是增加样本容量的同时Pf也会增加。文中利用u检测法的施行特征函数(OC函数)法进行检测,使得虚警率Pf,漏报率Pm都处于预先给定的范围内,样本容量为最小值。