基于粒子群优化多核支持向量数据描述的广播式自动相关监视异常数据检测模型

广播式自动相关监视(ADS-B)作为新一代空中交通管理(ATM)通信协议,是未来空管监视系统的关键技术。目前,由于ADS-B采用明文格式广播发送数据,其安全性问题受到挑战。针对ADS-B易受到的欺骗干扰,该文将ADS-B位置数据和同步的二次雷达(SSR)数据作差,将两者的差值作为样本数据。利用多核支持向量数据描述(MKSVDD)训练样本,得到了超球体分类器,此超球体分类器能检测出ADS-B测试样本中的异常数据。并且,通过粒子群算法(PSO)优化了GaussLapl和GaussTanh两种MKSVDD的惩罚因子、多核核函数系数以及核参数,提高了异常数据检测性能。实验结果表明,对于随机位置偏移、固定位置偏移、拒绝服务(DOS)攻击和重放攻击,粒子群优化多核支持向量数据描述(PSO-MKSVDD)模型能检测出这4种攻击类型的异常数据。且相较于其他机器学习和深度学习方法,该模型的适应性更好,异常检测的召回率和检测率更优。证明该模型可用于ADS-B异常数据的检测。     

基于对等监控网络的云监控系统设计与实现

为解决传统方案中单节点带来的性能瓶颈和低可靠性问题,基于对等监控网络设计并实现了云监控系统解决方案。在硬件部署上,该解决方案将监控节点封装在应用容器中,分布式部署在不同机架上,组建对等的监控网络;监控节点间采用非关系型数据库构建分布式存储集群,实现了监控数据的异地访问和备份。在软件实现上,该解决方案进行了分层设计,采用推拉结合的方式收集数据,对采集的数据进行可信度评估和分布式存储,使用阈值控制和主机空闲评估相结合的策略对云中主机进行智能化管控。通过系统测试,发现该监控系统对计算资源的平均占用率仅有2.17%;而1 ms内响应读写请求的平均比率达到93%以上,表明该解决方案具有资源消耗率低、高频次读写效率高的性能优势。     

ADS-B攻击数据弹性恢复方法

为了对自动广播相关监视(ADS-B)攻击数据进行弹性恢复,确保空情态势感知信息的持续可用性,该文提出针对ADS-B攻击数据的弹性恢复方法。基于前置的攻击检测机制,获取当前ADS-B量测数据序列和预测数据序列,并在此基础上构建偏差数据序列、差分数据序列和邻近密度数据序列。依托偏差数据构建恢复向量,依托差分数据挖掘攻击数据的时序特性,依托邻近密度数据挖掘攻击数据的空间特性。通过整合3种数据序列构建弹性恢复策略并确定恢复终止点,实现对攻击影响的弱化,将ADS-B攻击数据向正常数据方向进行定向恢复。通过对6种典型攻击样式的实验分析,证明该弹性恢复方法能够有效恢复ADS-B攻击数据,削弱数据攻击对监视系统的影响。     

基于动态阈值和占优资源的云资源调度方法研究

为了适应云资源动态变化和不确定的特性,解决静态阈值方法中调节滞后和以单资源作为度量带来的调度偏差问题,提出了以调度频率和负载率作为反馈值的动态阈值法,通过动态更新阈值确定调度的触发时机;提出了基于占优资源的调度方案,通过综合考虑多种异构资源对负载的影响实施调度。通过分别与静态阈值法和仅考虑单资源的调度方案进行比较,本文提出的调度算法分别获得了17.7%和30.7%的性能提升,这表明动态阈值法和基于占优资源的调度方案能够适应动态变化的云环境。     

基于动态间隔压缩的鲁棒网络流水印算法

针对基于间隔质心的流水印缺乏纠错能力且难以抵御多流攻击的问题,提出一种基于动态间隔压缩的鲁棒网络流水印算法。该算法在基于间隔质心流水印基础上利用编解码技术增强其纠错能力,将携带同一水印信息的网络流量采用动态间隔压缩的方式调制为多种模式以抵御多流攻击。同时在检测端对水印进行分层检测,减少检测端计算资源浪费。实验结果表明,当检测阈值设为0.8时,误报率低于5%,且水印检测率可高于原始间隔质心方法10%左右,合并多条水印数据流后也无明显静默间隔。可见该算法具有良好的鲁棒性和隐蔽性,能够有效提高网络流水印的可用性。