空中目标威胁等级评估方法研究

本文提出了一种空中目标威胁等级评估方法,该方法运用了动态贝叶斯网络进行推理、结合专家知识以及对选取高斯分布函数对威胁要素进行量化,构建了基于动态贝叶斯网络的目标威胁等级评估模型。仿真结果表明:该模型可以有效的确定目标当前的威胁等级,该方法符合人类的推理过程。     

基于DFDBN的防空火控雷达威胁评估方法

针对防空火控雷达火控系统的多目标威胁判断问题,提出基于离散模糊动态贝叶斯网络的威胁评估方法。首先,把得到的不确定性数据进行模糊推理,获取威胁评估模型的训练和测试数据,然后,量化等级,同时运用动态贝叶斯网络的推理算法,通过多个时刻目标的同一特征参数相互补充和修正以及同一时刻目标的不同特征参数之间修正,对系统各个时刻观测值或某一时刻观测值进行威胁评估,得出正确的结果。最后,仿真结果表明该方法合理、有效。     

防空作战中低慢小目标威胁度评估

对低慢小目标的掌握已经成为防空预警的难题和研究热点。依据低慢小目标工作特点,运用层次分析法将其对防空预警监视系统的威胁度进行了评估与分析,给出了目标威胁度评估的层次结构,建立了评判模型,确定了评估指标体系。最后,给出了低慢小目标威胁度的量化评估方法,并通过实例证实了该方法的有效性。     

基于动态云贝叶斯网络的舰艇防空目标威胁评估

针对目标威胁评估中信息表达的不确定性以及威胁评估模型专家网络结构的主观性,提出一种基于结构学习的动态云贝叶斯网络评估模型。首先,利用云模型良好的知识表达能力定量描述不确定连续性信息;其次,使用爬山算法进行结构学习,综合专家提出的网络结构构建贝叶斯网络;接着引入时间变量,将其扩展成为动态贝叶斯网络,然后用最大似然概率估计算法学习网络参数;最后,利用联合树算法对动态云贝叶斯网络进行推理评估。仿真结果表明,该模型能够有效的对观测信息进行威胁评估,具有合理性和可行性。     

动态贝叶斯网络用于雷达遮盖干扰效果评估

依据电子战实际作战环境,以可代表性和可观测性为标准,选取压制干扰效果评估指标;提出基于动态贝叶斯网络的效果评估模型,对若干可观测的目标特征参数进行综合推理;推导了动态贝叶斯网络的推理算法。分析结果表明,动态贝叶斯网络能够综合目标雷达不同的毁伤效果信息进行较为合理的评估;与静态贝叶斯网络相比,动态贝叶斯网络无论在准确性上,还是在滤波平滑能力上都要优于静态贝叶斯网络。     

山地条件下的无人机气象威胁度建模与评估方法

针对无人机在山地条件下飞行时气象威胁因素复杂多变,提出一种基于贝叶斯网络的山地气象威胁度建模与评估方法。结合专家知识与EM算法构建贝叶斯网络模型,利用多树传播推理算法对山地气象要素进行威胁等级评估。评估结果表明,基于贝叶斯网络的气象威胁度评估能够正确直观地划分山地气象要素对无人机的威胁等级,对无人机智能决策具有重要意义。     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

基于面向对象概率关系模型的威胁级别评估

针对传统贝叶斯网络对复杂对象建模存在的问题,分析了面向对象的概率关系模型。建立基于面向对象概率关系模型知识库的贝叶斯网络生成算法,建立战场威胁级别评估模型,并实现对威胁级别的评估。仿真结果证明了该方法的有效性,并且具有比贝叶斯网络模型更强的建模能力。     

基于综合推理的威胁代价动态评估

针对作战飞机突防过程中威胁代价评估问题提出综合推理方法,引入离散动态贝叶斯网络算法,构建威胁源自主识别网络模型,引入基于最大综合拦截概率的威胁代价评估算法,形成瞬时跟踪概率、连续跟踪概率、杀伤概率等的综合计算模型。通过仿真分析表明,该方法针对地面威胁源实现了自主分类识别和优化代价解算。     

基于Netica 的机载雷达侦察效能评估

将动态贝叶斯网络应用于机载雷达侦察效能评估中,从而实现了一段时间内机载雷达侦察效能的动态评估。选取随战场环境、操作员水平等变化的因素作为影响机载雷达侦察效能评估的指标,并采用模糊分类方法形成各指标的状态集合;构建基于Netica 的动态贝叶斯网络模型,运用德尔菲法确定模型参数及隶属度函数,利用贝叶斯网络的推理模型以及相应的推理算法,对机载雷达侦察效能进行动态评估。仿真结果表明:该方法能够科学、有效地评估机载雷达侦察效能。     

基于贝叶斯网络的态势估计方法

结合态势估计的特点,介绍了黑板结构和贝叶斯网络2种用于态势估计的方法,分析了各自的优缺点,并选取贝叶斯网络来进行态势估计。详细讨论了战场态势在贝叶斯网络中的知识表示和信息传播。针对静态贝叶斯网络难以捕捉动态战场信息的缺点,采用了动态搜索最佳网络的方法进行推理,为战场态势估计提供了新的思路。     

基于动态贝叶斯网络的战斗目标综合推理识别

针对空战战场环境下的目标可靠识别,提出了基于动态贝叶斯网络的战斗目标综合推理识别方法.分析了目标属性的多层次及状态变量关系,提出了层次化的战斗识别动态贝叶斯网络拓扑结构及其参数设定方法,并运用时间片联合树算法进行不确定性动态推理,实现动态的目标属性判断与识别.仿真结果给出了目标的多层次属性信息,验证了模型的有效性.     

小数据集BN建模方法及其在威胁评估中的应用

贝叶斯网络是数据挖掘领域的主要工具之一。在某些特定场合,如重大装备的故障诊断、地质灾害预测及作战决策等,希望用少量数据得到较好的结果。因此,本文针对小数据集条件下的贝叶斯网络学习问题展开研究。首先,建立基于连接概率分布的结构约束模型,提出I-BD-BPSO（Improved-Bayesian Dirichlet-Binary Particle Swarm Optimi-zation）结构学习算法;其次,建立单调性参数约束模型,提出MCE（Monotonicity Constraint Estimation）参数学习算法;最后,应用所提算法构建威胁评估模型并应用变量消元法进行推理计算。实验结果表明,在小数据集条件下,本文的结构学习算法优于经典的二值粒子群优化算法,参数学习算法优于最大似然估计、保序回归及凸优化算法,并能够构建有效的威胁评估模型。     

基于蚁群优化的BP神经网络目标威胁估计方法

根据空中目标威胁估计的特点,分析了基于BP神经网络的空中目标威胁估计方法的不足。运用蚁群优化算法(ACO)的全局寻优能力,对BP神经网络的初始权值进行优化,建立了改进的BP (ACOBP)空中目标威胁估计方法,解决了BP神经网络初始权值的随机性和网络易陷入局部极小值的问题,提高了算法的收敛速度。并采用30组训练样本数据及8组测试数据,对算法的性能进行了仿真分析。仿真结果表明,该算法估计结果准确合理,收敛速度和收敛精度均优于BP算法,证明了该方法的有效性。     

Network intrusion intention analysis model based on Bayesian attack graph

Aiming at the problem of ignoring the impact of attack cost and intrusion intention on network security in the current network risk assessment model,in order to accurately assess the target network risk,a method of network intrusion intention analysis based on Bayesian attack graph was proposed.Based on the atomic attack probability calculated by vulnerability value,attack cost and attack benefit,the static risk assessment model was established in combination with the quantitative attack graph of Bayesian belief network,and the dynamic update model of intrusion intention was used to realize the dynamic assessment of network risk,which provided the basis for the dynamic defense measures of attack surface.Experiments show that the model is not only effective in evaluating the overall security of the network,but also feasible in predicting attack paths.     

基于RBF神经网络的空袭目标威胁评估模型研究

为了辅助作战指挥员对空袭目标威胁程度做出正确判断,对作战提供正确决策,将径向基函数（RBF）神经网络应用于防空指挥控制系统中,给出了涉及空袭目标威胁评估的因素及其数学模型,建立了基于RBF神经网络的空袭目标威胁评估算法。同时,通过专家给出的训练样本在Matlab环境下对该模型进行了仿真计算,结果表明该模型方法评估结果准确、快速。     

Quantitative method for network security situation based on attack prediction

To predict the attack behaviors accurately and comprehensively as well as to quantify the threat of attack,a quantitative method for network security situation based on attack prediction was proposed.By fusing the situation factors of attacker,defender and network environment,the capability of attacker and the exploitability rate of vulnerability were evaluated utilizing the real-time detected attack events,and the expected time-cost for attack-defense were further calculated.Then an attack prediction algorithm based on the dynamic Bayesian attack graph was designed to infer the follow-up attack actions.At last,the attack threat was quantified as the security risk situation from two levels of the hosts and the overall network.Experimental analysis indicates that the proposed method is suitable for the real adversarial network environment,and is able to predict the occurrence time of attack accurately and quantify the attack threat reasonably.     

基于改进DS证据理论和BN的信息安全风险评估

针对信息安全风险评估过程中专家评价意见的多样性以及不确定信息难以量化处理的问题,提出了一种基于改进的DS证据理论与贝叶斯网络(BN)结合的风险评估方法.首先,在充分研究信息安全风险评估流程和要素的基础上,建立了风险评估模型,确定风险影响因素;其次,根据评估模型并结合专家知识构建相应的贝叶斯网络模型,确定贝叶斯网络模型中的条件概率表;再次,利用基于权值分配和矩阵分析的改进DS证据理论融合多位专家对风险影响因素的评价意见;最后,根据贝叶斯网络模型的推理算法,计算被测信息系统处于不同风险等级的概率值,并对结果进行有效性分析.分析表明,将改进后的DS证据理论与贝叶斯网络应用到风险评估过程中,在一定程度上能够提高评估结果的可信度和直观性.