基于线性多尺度模型的计算机网络数据流量预测

为了解决网络安全监控问题,提出了一种用于预测网络流量的算法.通过多个不同尺度的线性模型进行网络数据的组合预测,每个尺度的线性模型由经过滤波器滤波后的部分原始数据估计得到,最终的预测流量数据由多个尺度线性模型的平均预测值得到.选择的线性模型为自回归滑动平均模型,且尺度较小的线性模型对应自回归滑动平均模型的阶数较高.结果表明,本算法的预测精度高,整体预测误差的均值在10-3量级.     

结合主动学习的威胁情报IOC识别方法

威胁指标(IOC)作为网络威胁的特征描述,是识别和防御网络攻击的重要凭证。当前IOC识别主要依赖于神经网络模型,其效果取决于标注数据的数量。然而,目前IOC识别领域缺乏公认的数据集,且IOC的标注只能由安全专家手动完成,标注成本高,难以获取大量已标注数据。针对该问题,提出了一种结合主动学习的威胁情报IOC识别方法 ICAL。该方法首先基于样本的代表性选择初始样本进行人工标注,然后基于聚类假设对聚类样本进行伪标注,最后基于样本的不确定性继续迭代标注,直到满足终止条件。使用CNNPLUS作为分类模型,在自构建的威胁情报数据集上进行实验。结果表明,相比于传统IOC自动识别策略,ICAL的识别准确率达到94.2%、召回率达到94.1%,同时减少了58%的人工标注工作量,具有较高的实用价值。     

GIS应用于广播电视系统的方案设计

地理信息系统应用在广播电视系统中，不仅可为广播电视系统的线路维护、图纸查询、模拟分析等提供极大的便利，还可为管理层提供辅助决策，大大提高工作效率。考虑到B／S网络体系结构的优越性，所设计的系统选择B／S网络体系架构，将开发与应用软件、数据库都放在服务器端，而客户端无需日常维护及更新，这样就大大提高了整个系统的可维护性、可扩充性及安全性。