开放实验室无线门禁系统与智能电源插座设计

针对高校开放实验室智能化管理的需要,运用射频识别技术和无线传感器网络技术,设计了一种无线门禁系统与智能电源插座,实现了开关门和实验台电源的无线智能控制,应用于高校开放实验室,从而大大提高了实验室的智慧化管理水平。     

基于物联网的开放实验室信息管理系统

针对现有高校开放实验室信息管理系统的不足,将物联网技术应用于开放实验室的智能化管理,通过无线门禁系统与智能电源插座,开发了基于B/S结构的开放实验室信息管理系统,解决了开放实验室改造中的布线困难和现有信息管理系统自动化程度不高等问题,期望该设计有助于进一步提高实验室的智能化管理水平。     

基于CNN与BiGRU融合神经网络的入侵检测模型

针对深度学习入侵检测中出现的数据类不平衡及特征学习不全面等问题,提出了一种基于卷积神经网络(CNN)与双向门控循环单元(BiGRU)融合的神经网络入侵检测模型。通过SMOTE-Tomek算法完成对数据集的平衡处理,使用基于平均不纯度减少的特征重要性算法实现特征选择,将CNN和BiGRU模型进行特征融合并引入注意力机制进行特征提取,从而提高模型的总体检测性能。使用入侵检测数据集CSE-CIC-IDS2018进行多分类实验,并与经典单一深度学习模型进行对比。实验结果表明：在数据集平衡方面,经SMOTE-Tomek算法处理,DoS attacks-Slow HTTP Test识别准确率从0提升至34.66%,SQL Injection识别准确率从0提升至100%,DDoS attack-LOIC-UDP、Brute Force-Web和Brute Force-XSS分别提升了5.22百分点、6.55百分点和35.71百分点,证明了平衡后的数据集较未经过处理的数据集在少数类的识别精度上提升明显。在模型的总体检测性能方面,在多分类实验对比中,所提模型总的分类精确率、召回率以及F1值均高于其他几种...