基于MRTG网络流量监测系统的设计与实现

开发一个有效的网络流量监测系统,对于测量和评估网络的运行状况与性能,判断网络故障、进行校园网的网络规划和优化、提高网络管理具有重要意义。将MRTG应用到网络状况的监控中,构建适合中小型网络的网络流量监控,实现对网络核心交换机和路由器等网络设备进出口流量的监测,以便有效地提高网络管理手段。     

基于HMM的网络安全态势评估方法

为了准确高效地评估网络系统安全状态,提出了一种基于隐Markov模型(HMM)的态势量化方法。首先结合网络威胁类型及服务漏洞信息对其安全态势进行量化,然后按照层次化策略扩展到整个网络。基于KDD CUP99数据集的仿真实验分析表明,该方法能够完成对网络安全态势的感知与评估。     

基于卷积神经网络的值班室智能监控系统

为增强常态化疫情防控中值班员值班状态的监控,提出并设计了一种基于卷积神经网络的值班室智能监控系统.该系统基于树莓派(Raspberry Pi)开发平台,首先利用光学传感器采集值班室图片数据,通过OpenCV框架中的人脸检测应用接口判定值班员在位情况;然后定义值班员精神状态和值班员防疫状态,构造5层的卷积神经网络,以人脸检测数据作为输入样本,对值班员值班状态情况进行智能识别.实验结果表明,该系统在自然光和灯光环境下均能对值班员值班状态作出智能评估.     

基于DGMM的智能变电站网络流量预测

提出一种基于动态灰色马尔科夫模型(dynamic gray Markov model,DGMM)的智能变电站网络流量预测方法.根据灰色预测理论对网络流量进行初步预测;针对初步预测误差,利用K-means聚类算法实现状态的划分,建立马尔科夫模型对预测误差进行动态校正;对K-means中的K值进行了讨论.利用真实环境下采集到的流量数据对所提方法进行测试.结果表明,该模型的平均预测误差仅有4%,能够满足预测要求,为智能变电站网络性能分析预测、网络故障和病毒入侵预警提供决策依据.     

分层多管理者网络故障监控策略

为了降低实时监控而增加的网络管理负担,提出一种分层多管理者网络故障监控策略．应用多代理马尔可夫决策过程,建立了一种新的多管理者网络故障监控机制,并给出了该机制下基于强化学习的轮询策略．采用这种基于多管理者的马尔可夫决策过程的分层网络故障管理技术,缩短了轮询次数,并能准确地发现网络故障,同时减少网络管理的信息开销．     

基于云-边融合的变压器全息状态监测与评估系统设计

采用物联网技术,基于云-边融合策略,设计开发了一种监测变压器整体状态与评估的系统。该系统首先,通过变压器全息状态感知,增加数据多样性;其次,采用边缘计算,实现计算能力下沉,提高站内数据计算的时效性,减少网络传输压力,提高高价值数据传输效率;再次,建立多源数据融合的变压器状态感知云模型,应用深度网络加机器学习等技术手段,对变压器状态进行实时监测和分析,增强监测系统的鲁棒性;最后,通过实际案例验证了系统的有效性。     

一种基于多参数的IDS决策过程研究

讨论了将数据融合技术运用到入侵检测系统中的方法,并提出了一个基于数据融合技术的入侵检测机制-DFIDM。在该机制中,有多个检测器搜集系统日志文件、网络流量信息、网络数据包等数据,这些数据在通过了本地决策、数据提取和对象提取阶段等预处理过程之后,传送到融合中心进行决策,重点研究了决策过程所涉及的多参数问题。为此,系统设计了检测器可靠性、时间因素、空间因素等五个主要因素参与融合与决策。最后通过实验证明,采用了该机制的入侵检测系统具有更好的准确性。     

基于DS的电子战多信息PCA融合方案

该文提出一种新型主成份分析（PCA）电子战信息一体化融合方案。该方案基于信息融合DS理论,采用PCA分析法对数据进行收集和降维处理;再对特征层数据建立基本信任分配函数,实现基于特征的数据融合;最后对电子战系统信息进行智能诊断和挖掘等,有效实现电子战系统中故障检测和分离。进一步,通过大数据挖掘对设备状态进行评估,及时发送给控制系统,实现作战过程中对作战战略的合理指导、预警管控,从而对多系统协同工作提供有力保障。     

一种基于隐马尔可夫模型的实时安全评估方法

现有的安全评估方法大部分是基于系统设计和周期性数据进行人工分析的,针对这些方法实时性差的问题,将隐马尔可夫模型(HMM)应用于网络安全评估中,提高了安全评估的实时性.该方法的优点在于可以利用现有的网络监控和入侵检测系统进行个体或大型网络的安全评估,使用多代理系统结构,根据代理软件搜集到的观察信息序列,得知隐藏的安全状态,最后结合具体实例和实验数据说明了该模型的可行性及高实时性.     

基于改进粒子群小波神经网络的智能变电站网络流量预测

智能变电站过程层网络流量一旦发生异常,将直接影响继电保护动作的可靠性、快速性和灵敏性,然而目前缺乏针对智能变电站网络流量异常预警的方法.基于此,提出一种基于改进粒子群小波神经网络的网络流量预测模型,为智能变电站网络性能分析预测、网络故障和病毒入侵预警提供决策依据.分析智能变电站网络流量的特点,对流量数据进行归一化处理,建立小波神经网络预测模型,利用粒子群优化算法对传统的小波神经网络模型的网络结构和参数进行优化.在实际智能变电站运行环境中的实验表明,所提模型预测精度高,收敛速度快,提高了智能变电站网络流量预测的准确性和快速性,保障电网安全运行.     

基于感知数据的无线传感网被动诊断方法

由于硬件与网络资源的极度受限,无线传感器网络(WSN)的故障诊断成为该领域内的一个研究难点.针对现有诊断方法网络开销大、方法复杂等缺陷,提出了一种基于感知数据的故障诊断(DSD)方法.以部署在实际森林环境中的GreenOrbs系统收集的大量感知数据为基础,通过分析感知数据特征分类的方法,建立与网络故障之间的对应关系,以自主学习的方式不断演化故障知识库,确定故障类型.实验结果表明,与其他诊断方法相比,DSD具有网络通信负担小、资源消耗低、诊断效率高等优点,并支持在大规模WSN的实际部署.     

校园网数据流量监控设计与实现

针对校园网可靠性与可用性的问题,对网络流量监控的相关技术进行比较和分析.根据校园网的具体情况设计数据流量监控系统,运用RMON,NETFLOW等技术,采用NAM实现了整个校园网的流量监控.     

电力信息安全监测管理中心数据采集层的研究

由于网络安全需求,电力企业在信息系统中部署了防火墙、防病毒、漏洞扫描、IDS和VPN等大量异构的安全防御产品,这些产品之间缺乏沟通协作和统一管理,产生的安全事件信息难以进行有效的关联整合。针对这一问题提出了基于数据挖掘的分布式、多协议支持的信息安全监测管理中心框架。重点对信息安全监测管理中心的数据采集层进行研究,包括采用基于代理的SYSLOG机制采集设备安全事件日志信息,采用基于硬件探针的监测技术实时采集路由器,交换机等网络设备的流量信息。采集层能准确可靠地为安全监测管理中心的分析层提供数据,保证系统的正常运行。     

出租车GPS数据的应用研究

出租车运行轨迹遍布城市整个路网,装载GPS的出租车不但能够提供系统本身的运营信息,也能提供有关路网状态的信息。从交通信息处理与数据挖掘的角度出发,对出租车GPS数据在交通状态估计、交通行为分析、出行OD预测、出租车运营管理等诸多方面的应用进行系统的综述。最后针对出租车和路网两方面应用上存在的不足指出有利于拓展出租车GPS数据应用的参考性建议。     

基于应用层的校园网网络流量监测与分析

介绍了常用的计算机网络流量监控方法和原理,使用通过式网络流量监测设备在校园网中进行基于应用层的网络流量监测和分析,找出了校园网网络流量使用的规律和特点,为进行精细化网络流量管理提供依据.     

浅析办公系统中的信息安全

办公自动化系统是源于上世纪六七十年代发展起来的一门综合性技术系统,该系统不但能充分利用各种信息资源,服务于办公室里的办公人员,而且能够促进办公活动的制度化和规范化。尽管办公自动化系统有操作方便、快捷等各个方面的优点,但在网络办公时,由于网络中存在着信息泄露、非授权访问、破坏数据完整性、拒绝服务攻击、病毒和木马等许多不安全的因素,这使得办公系统中的信息和文件不能得到有效的安全管理和传输,甚至会出现机密泄露、系统瘫痪、设备损坏等严重后果,造成极大的负面影响。因此,保证办公系统中的信息安全已经成为现代网络办公自动化应用中最为关注的话题。本文通过分析办公自动化系统在网络中常见的安全问题以及针对这些安全问题提出有效的解决方案。     

面向控制的城市交通网络宏观动态模型

针对城市道路交通流非线性、不确定性和模糊性特点，提出了面向控制应用的城市交通网络宏观动态离散模型. 基于大系统分解 协调理论，把整个城市道路大交通网络分为城市区域、城市快速公路、城市区域 城市快速公路3个子 系统，分别建立了它们的宏观动态模型，并分析了这3个子系统模型之间的相互关系.对杭州市中心区域的实际交通流数 据进行了仿真研究，结果表明该交通流模型较好地反映了城市路网的交通流信息，可以作为城市交通控制系统分析和设 计的有力工具.     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.     

广播电视监测系统的设计和实现

针对广播电视需要确保节目信号不中断并安全播出,设计和实现了一种基于Spring+Struts2+Hibernate的广播电视监测系统。相较于传统广播电视监测系统的B/S和C/S的复合式体系架构,该系统不仅体现了免安装的优势,而且还能对广播、模拟电视、数字电视以及IPTV监测进行一体化监管,更加符合新形势下的应用需求。广播电视监测系统应对多用户、多地区以及大数据的监测需求,具有灵活及易于扩展的优点;可以完成监测报警、码流分析、安全监测等任务;可以固定或周期性监测节目,具备技术指标自动测量功能和实时报警功能;不论是本地用户还是网络上的远程用户,都可以在IP网络上获得实时监测数据,方便值班员及时查看并处理异常状况。