基于跨域协同的网络空间威胁预警模式

网络空间威胁发展呈现出主动性、隐蔽性、泛在性的特点,向传统被动式、局域性、孤立化的网络防御模式提出了严峻挑战。针对大数据、人工智能与网络安全融合的新趋势,提出一种跨域协同的威胁预警模式,为网络空间安全防护赋能增效。首先,该模式从网络空间结构出发,通过划分安全威胁域、解析系统功能、设计共享机制,构建具有合纵连横作用的功能框架;其次,为提升威胁信息检测能力,设计了分层司职的协同化技术体系,阐述了威胁信息感知、处理、应用等关键技术;最后,借助应用场景,定性化描述了所提预警模式的能力增量。     

一种改进的多模式匹配算法

针对WM算法在模式集规模大且最短模式长度小的情况下性能较低的问题,分析了WM算法及其改进的快速WM(QWM)算法的优缺点,在此基础上提出了模式分集思想,并优化了跳跃和确认机制,设计了子集WM(SWM)算法;然后针对该算法在域名过滤中的应用,对hash函数、匹配顺序等进行进一步优化．针对域名过滤的实验结果表明,当模式数量超过10000条时,SWM算法匹配时间是WM算法的8.9％～11.6％,说明SWM算法在模式集规模较大时,匹配速度能显著提高．     

基于预训练模型的多示例语音内容分类

语音内容分类主要用于对大批量信号进行自动处理,并基于用户的兴趣选择语音文件。据此提出了一种新的分类方法,在多示例学习框架下,使用无监督语音表示学习对大规模未标记数据进行预训练,得到用于提取语音深层表示的预训练模型,提取的语音表示作为下游分类器的输入。真实语音数据集上的实验结果表明,多示例学习在处理语音分类问题上具有优势,提出的方法能够提高分类的效果,在平均准确率指标上优于3种基线方法。     

基于Lindeberg-Feller定理的网络异常检测算法

在网络运维管理领域，需要及时发现网络异常并进行提示。网络异常事件与正常数据相比较少，难以作为二分类问题进行处理。同时异常事件丰富多样，没有统一模式和规律。因此，需要对网络正常数据进行建模，利用待检数据与正常数据的偏离程度判定网络异常事件是否发生。通过对正常数据进行建模分析，以Lindeberg-Feller中心极限定理为基础，设计合理的假设检验统计量，对待检数据计算出的检验统计量是否在置信度对应的拒绝域给出异常事件判别结论。最后，用仿真实验证明算法原理，并给出算法在公开数据集和实际数据集上的检测性能，在选择合理的异常事件对应参数后，异常事件召回率可以达到90%以上。     

基于图划分的正则表达式分组算法

针对多条正则表达式转换为确定型有限自动机带来的状态空间膨胀问题,借鉴图划分的思想,提出一种改进的分组算法。与原分组算法相比,该算法在分组数相同时状态数平均减少30%,在某些情况下能获得更少的分组数。实验结果证明,该算法能有效降低匹配算法的复杂度。     

基于多智能体协同的多源信息搜索方法

针对实时、多源、海量数据条件下用户所需信息的获取问题,提出一种面向对象的、基于多智能体协同的多源信息搜索模型,以对象为中心,在反馈循环搜索的过程中,完善对象描述模型并实现多源数据中关联对象信息的获取,提高多源信息获取的全面性和准确性。设计基于Q学习的协同控制算法,针对马尔科夫对象与非马尔科夫对象给出相应的决策方法。实验结果表明,该协同控制算法比概率转移矩阵及概率统计算法具有更好的信息获取能力。     

基于社区发现的网络异常检测方法

随着互联网的不断普及与网络通信技术的不断进步,网络已经逐渐进入到人们生活的每一个层面,越来越多的网络应用应运而生.但是另一方面,随着当前网络结构的日益复杂,会引起各种各样的网络安全问题,对社会构成了巨大的威胁和挑战.因此,网络安全问题至关重要.其中网络异常检测得到了研究人员的普遍关注.多年来,虽然已有许多异常检测的工作...     

基于行为规律的搜索资源分配新算法

针对具有行为规律的目标搜索问题,提出一种搜索资源分配算法。该方法以目标在各搜索区域的概率分布为基础,利用最优搜索理论分配区域搜索时长;以目标在各搜索区域的行为规律为基础,利用包络检测等方法决定区域开始搜索的时刻。针对网站关键词搜索的实验显示,根据目标行为规律在时间上相关程度的不同,本算法相对于最优搜索算法的性能提升在15%~50%之间,在对大量信息源进行信息搜索时具有应用价值。