跑道入侵检测算法研究

定义了跑道入侵区,对主体和目标设定了七种运行状态,为了判定入侵是否发生和防止假告警,给出了判据标准。根据设定的运行状态和判据标准建立了运行状态判据矩阵,在此基础上给出了基于跑道入侵区和运行状态判据矩阵的跑道入侵检测算法流程。该算法对跑道入侵的典型场景能进行有效检测。     

基于模糊数据挖掘的网络入侵检测模型

提出了一个基于模糊数据挖掘的入侵模型.异常检测的一个主要问题是正常模式随时间变化.如果一个实际的入侵行为稍有偏差就有可能与正常的模式相匹配,而异常检测系统则无法检测到这种入侵行为.为解决这个问题,本文利用模糊数据挖掘技术建立正常模式,并用一组模糊关联规则表示.在进行异常检测时,利用新的审计数据挖掘当前模糊关联规则,并计算其与正常模式的相似度,如相似度低于规定的阈值,使其产生入侵警报.最后,文中利用遗传算法优化模糊成员函数来选择其参数.     

移动Ad hoc网络的入侵检测机制

移动Ad hoc网络(Mobile Ad hoc NETwork,MANET)是一种不依赖于任何基础设施,由移动节点自组织形成的无中心的多跳无线网络。由于其动态拓扑、无线通信等特点,存在严重的安全稳患。本文主要从传输信道、移动节点、动态拓扑、安全机制等方面分析了Ad hoc网络的安全弱点,并提出了一种基于入侵检测技术的安全方案。     

神经网络集成的分布式入侵检测方法

分布式入侵检测系统需具有分布式检测功能及部件增量更新能力.文中提出了一种基于神经网络集成的分布式入侵检测方法,采用单个Agent检测与多个Agent协同检测的两级集成算法实现分布式入侵检测;在发现新的入侵时,Agent上的神经网络集成采用基于资源分配网的增量学习算法进行更新.实验结果表明,该算法能有效检测各种攻击,并且具有对未知攻击的增量学习能力.     

基于XGBoost的三分类优惠券预测方法

在O2O营销过程中,优惠券是一种行之有效的营销工具。然而,在不清楚用户是否有消费意愿的情况下,就会产生优惠券滥发的现象。为了提高优惠券的使用率,本文首先将三支决策思想引入到优惠券使用预测问题中,并结合机器学习算法中的集成算法XGBoost对优惠券的使用情况进行模型构建。其次,在三支决策过程中考虑误分类成本和学习成本,使得分类过程更加贴近实际。最后,对阿里巴巴在天池平台提供的用户优惠券真实消费数据进行实验分析。结果表明,使用基于XGBoost的三分类算法可以有效提高分类的精确度。商户不仅可以维持老顾客,还能识别出潜在新客户,从而降低商户的营销成本。     

一种基于实体模型的三轴数控加工刀轨生成算法

实体模型是几何造型的高级模型，它具有完整的曲面拓扑关系，国内基本实体模型的数摈加工算法的需求日渐迫切，本文提出了一种适合实体模型的三轴数控加工刀位轨迹生成算法；首先根据加工行距作一组平行于刀轴的平面，与模型的待加工表面求交，得到一系列交线，再根据加工步长规划另一组与上述平面垂直且平行于刀轴的平面，与上述交线求交，得到一交点网格，判断刀具与数据点的位置关系从而得到刀位轨迹。     

热载下三边固支一边简支矩形薄板的解析解

基于薄板的小挠度理论,根据四边简支矩形薄板在横向变温作用下的挠度和内力解答,通过应用虚功原理和叠加原理,推导了三边固支一边简支矩形薄板在横向变温作用下的挠度方程和内力解析解,从而为以后的工程计算提供了理论依据.     

基于支持向量机的Webshell黑盒检测

Webshell是一种基于Web的网站后门程序。当前已有的Webshell检测方法都需要根据脚本程序源代码来检测,因此只能部署在服务器主机上,而且只能检测本机的网站代码。本文通过分析Webshell的HTML页面特征,提出了一种基于支持向量机(Support vector machine,SVM)分类算法的黑盒检测方法。该方法是一种有监督的机器学习系统,对先验网页的HTML页面进行学习,可以在未知脚本源代码的情况下对Webshell进行检测。实现结果表明,该方法在黑盒的条件下达到了较高的准确率和极低的误报率,并且取得了与白盒检测方法相近的检出率,可以部署在基于网络的入侵检测系统中,同时监测多台服务器是否包含Webshell,从而帮助监控入侵趋势和网络安全态势。     

具有认知能力的入侵检测系统模型

介绍了入侵检测的原理，对目前入侵检测的模型和方法进行分析，并给出了一个具有认知能力的入侵检测系统模型，该模型由基于规则的检测模块、神经网络组件、统计分析处理模块三个主要模块组成。模型采用了异常检测和误用检测相结合的方法，使系统既有对已知的攻击有较好的识别能力，又有检测未知攻击的能力。文末指出了当前入侵检测存在的问题及今后的发展方向。     

虚拟战场环境下基于层次包围盒的碰撞检测算法

文章针对Vega Prime自带的基于相交矢量的碰撞检测算法检测精度低的缺点,提出了基于层次包围盒的碰撞检测算法在Vega Pirme中的实现方法,并针对虚拟战场环境中各种武器仿真平台的特点,提出了不同类型包围盒的选择原则。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

GA-iForest: An Efficient Isolated Forest Framework Based on Genetic Algorithm for Numerical Data Outlier Detection

With the development of data age,data quality has become one of the problems that people pay much attention to. As a field of data mining,outlier detection is related to the quality of data. The isolated forest algorithm is one of the more prominent numerical data outlier detection algorithms in recent years. In the process of constructing the isolation tree by the isolated forest algorithm,as the isolation tree is continuously generated,the difference of isolation trees will gradually decrease or even no difference,which will result in the waste of memory and reduced efficiency of outlier detection. And in the constructed isolation trees,some isolation trees cannot detect outlier. In this paper,an improved iForest-based method GA-iForest is proposed. This method optimizes the isolated forest by selecting some better isolation trees according to the detection accuracy and the difference of isolation trees,thereby reducing some duplicate,similar and poor detection isolation trees and improving the accuracy and stability of outlier detection. In the experiment,Ubuntu system and Spark platform are used to build the experiment environment. The outlier datasets provided by ODDS are used as test. According to indicators such as the accuracy,recall rate,ROC curves,AUC and execution time,the performance of the proposed method is evaluated. Experimental results show that the proposed method can not only improve the accuracy and stability of outlier detection,but also reduce the number of isolation trees by 20%—40% compared with the original iForest method.     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。     

基于主元分析的多传感器故障检测

针对动态系统的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。通过双容水箱被控系统的传感器进行检测,结果表明主元分析法对传感器具有很好的故障检测和故障诊断能力。     

基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.