基于改进遗传算法和隐Markov模型的协议异常检测方法

针对现有基于隐Markov模型的协议异常检测方法中存在的训练样本不足问题和初始参数敏感问题,提出一种基于改进遗传算法和隐Markov模型的协议异常检测新方法。首先,采用局部竞争选择策略、算术交叉算子和自适应非均匀变异算子改进遗传算法,避免传统遗传算法在收敛过程中的“早熟”和“停滞”问题;然后,利用改进的遗传算法优化隐Markov模型的初始参数,解决模型对初始参数敏感的问题;最后,以协议关键词和关键词时间间隔作为训练观测值,细粒度的描述协议行为,扩大模型的训练样本空间。在DARPA 1999数据集上的实验结果表明,该方法具有很高的检测率和较低的误报率。     

基于交并集的冲突自适应证据融合方法

针对证据理论在高冲突环境下的Zadeh悖论问题,提出了一种基于交并集的冲突自适应多证据融合方法。基于冲突矩阵计算证据的可信度,并依据可信度对证据进行折扣;基于证据间的冲突关系对组合规则中交集命题与并集命题的权重进行动态调整;将多元素焦元的信任在单元素焦元中进行再分配。Matlab实验仿真结果表明,与典型改进方法相比,该方法具有较高的收敛速度和区分能力,有效地解决了高冲突环境下的多证据融合问题。     

基于时间衰减模型的模糊会话关联规则挖掘算法

现有的关联规则挖掘算法没有考虑数据流中会话的非均匀分布特性和历史数据的作用,并且忽略了连续属性处理时的“尖锐边界”问题。针对这些问题,本文提出一种基于时间衰减模型的模糊会话关联规则挖掘算法。首先,针对数据流中会话的非均匀分布特性,基于时间片对会话进行划分,完整的保留了时间片内会话之间的相关性信息;然后,采用模糊集对会话的连续属性进行处理,增加了规则的兴趣度和可理解性;最后,在考虑历史数据作用和允许误差情况的基础上,基于时间衰减模型挖掘数据流中的临界频繁项集和模糊关联规则。实验结果表明,本文方法在提高时间效率、降低冗余率和增加规则兴趣度方面存在明显优势。     

基于改进证据理论的态势评估方法

证据理论是实现基于规则的态势感知主要方法之一。然而,证据理论在多源多证据合成时存在悖论问题。针对此问题,通过相异度计算对证据重要性度量与修正,提出了一种基于改进证据理论的态势评估方法,该方法包括规则度量、证据修正、规则融合和态势决策等四个阶段。实验表明,该方法能够避免利用证据理论进行态势融合中的悖论问题,在态势评估效率和准确性等方面优于Dempster、Yager和Leung等典型方法。     

基于尖点突变模型的联动网络流量异常检测方法

针对现有方法没有考虑联动网络流量的非线性动力学特性,以及不能有效区分正常联动业务流量和异常攻击流量的问题,提出了一种基于尖点突变模型的联动流量异常检测方法。通过对联动网络流量非线性动力学特征参数的分析与提取,建立正常流量的尖点突变模型;利用模型的平衡曲面来描述网络流量系统的行为,构造正常网络流量行为的平衡曲面;并以网络流量行为相对于正常平衡曲面的偏离程度作为异常检测的依据。实验结果表明,所提方法具有较高的检测率和较低的误报率。     

基于有向滑动时间窗的报警动态选择算法

针对现有报警选择方法在实时性和精确性方面存在的不足,提出一种基于有向滑动时间窗的报警动态选择算法。依据历史关联结果的趋向特征,动态调整每个时间窗内报警抽取的概率,向历史关联强度高的时间窗分配更高的抽取概率,提高报警关联的效率和准确性。仿真结果表明,该算法在实时性上远高于报警全选方法和随机选择方法,在关联精度上优于随机选择方法。     

异步电动机微机保护运行问题探讨

高压异步电动机微机保护在实际运行中出现了较多的问题,本文简要介绍了微机保护配置,主要对保护在整定方面的误动问题进行分析,对保护的整定提出了一些观点,并对保护误动的整定问题提出了一些观点及解决方法。     

沿海区域高过载调容变压器的应用研究

在沿海地区,由于配电变压器在整个配电网损耗的比重较大,提出了高过载调容变压器的应用情况。介绍了高过载调容变压器结构组成、调容技术原理及控制方式。高过载调容变压器根据电力系统的负载情况能够自动切换容量,避免了电力线路由于负载过高而造成电力灾难。同时设计了高过载调容变压器的应用系统。用户可以通过远程无线通讯的方式实时监控、接收、处理高过载调容变压器的现场数据。在相同时间段内,通过与普通配电变压器进行比较,使用高过载调容变压器后,克服了沿海地区负荷集中、时段性强、平均负荷率高的问题,能够获取明显的经济效益。     

基于证据理论优化的态势预测模型

针对态势预测的多模型组合问题,提出了一种基于证据理论优化的态势组合预测模型。该模型首先对预测子模型进行训练,获得预测子模型的性能评价与指标权重分配;基于证据理论对多指标的权重分配结果进行融合,提高权重分配的精度;在预测完成后,基于指标可信度和证据理论对指标权重进行调整,优化多指标的评价能力。Matlab实验仿真结果表明,该模型能够依据态势曲线的变化动态优化组合权重,其预测精度优于典型预测模型。