基于小世界网络模型的公众食品安全行为仿真研究

针对食品安全行为中公众群体具有的小世界网络特性，构建了小世界网络模型进行行为仿真。结果表明：在随机、集聚优先和距离优先三种模式下，生产环节风险感知对公众食品安全行为选择影响显著。在"低集聚度"网络中，不考虑风险感知时，距离优先和集聚优先模式下对公众食品安全行为的影响高于随机模式。在"高集聚度"网络中，考虑风险感知时，距离优先模式对公众食品安全行为的影响则高于集聚优先模式。     

网络环境下员工行为分析

计算机技术和网络技术的快速发展,改变了人们的工作方式,以工厂化为背景的组织理论经典假设已经面临困境。首先界定“网络环境”的概念,然后,在与传统企业环境下员工行为进行比较的基础上,描述了网络环境下员工行为的特点;进一步分析了网络环境下群体行为绩效和满意度的主要影响因素,并建立了员工行为模型;最后用案例分析了该模型,验证了该模型的合理性,为企业在网络环境下进行人力资源管理提供了依据。     

泊松过程在用户上下线模型中的应用

提出了基于非齐次泊松过程的宽带拨号上网(ADSL)用户上下线模型.对用户上下线行为进行建模,并基于现网真实数据,使用模型计算用户24 h内的每时刻退出登录的平均概率,将模型的预测值与现网实测数据进行对比,分析了不同用户组退出登录概率一天内的变化和持续在线平均概率的变化.分析结果表明,提出的ADSL宽带用户上下线模型可以有效、量化地描述用户上下线行为,在ADSL宽带用户上下线行为的异常检测和舆情分析等领域具有较好的工程应用价值.     

基于多层前向神经网络入侵检测系统的研究

针对目前入侵检测系统不能有效检测未知入侵行为的问题,根据神经网络的自学习和自适应性强的特点,采取了将多层前向神经网络与入侵检测系统相结合的方法,提出了一种入侵检测模型,给出了此模型中神经网络模块的改进训练算法,实验证明,此算法入侵检测率可达86％,最大误报率为3％,加大训练样本可进一步提高检测率,从而更有效地检测出未知的入侵行为;此算法实时性强,可有效提高神经网络的学习效率。     

Hybrid dynamic model of polymer electrolyte membrane fuel cell stack using variable neural network

The polymer electrolyte membrane(PEM) fuel cell has been regarded as a potential alternative power source,and a model is necessary for its design,control and power management.A hybrid dynamic model of PEM fuel cell,which combines the advantages of mechanism model and black-box model,is proposed in this paper.To improve the performance,the static neural network and variable neural network are used to build the black-box model.The static neural network can significantly improve the static performance of the hybrid model,and the variable neural network makes the hybrid dynamic model predict the real PEM fuel cell behavior with required accuracy.Finally,the hybrid dynamic model is validated with a 500 W PEM fuel cell.The static and transient experiment results show that the hybrid dynamic model can predict the behavior of the fuel cell stack accurately and therefore can be effectively utilized in practical application.     

采用LSTM模型的Android应用行为一致性检测

针对Android应用数目庞大、功能多样而难以准确验证应用实际类别的情况,对Andriod应用的网络行为进行分析研究,提出应用的行为一致性理论,并实现一种基于网络行为一致性验证的LSTM分类模型.通过构造不同场景事件组合来触发不同功能类别应用运行时的网络行为,提取有效的网络特征构建成网络事件行为时序序列,并设计带有特殊输入结构的LSTM循环神经网络模型,对网络事件行为时序序列中潜在的行为模式进行学习与建模.实验验证结果表明,Android应用样本具有行为一致性;所提出的LSTM网络模型能有效地学习与归纳不同类别应用的网络行为模式;最优模型的平均分类准确性可达92.58%,优于常见的面向Android应用的机器学习分类模型.     

基于攻防行为树的网络安全态势分析

现代网络面临遭受组合攻击的风险,通过构建基于攻防行为的安全态势分析模型来对每一个独立及组合攻击行为进行威胁分析十分必要。本文针对传统的攻击树模型没有考虑防御因素影响,防御树模型缺乏较好的可扩展性,故障树模型难以对外部攻击进行分析等问题,在攻击树模型中引入博弈论,以描述具体网络攻防事件场景。首先,分析网络中不同层次攻击行为的逻辑关系,整合不同层次攻击事件对应的攻防树,获得完整网络攻防行为树,进而构建网络攻防行为树模型。其次,从网络攻防行为、网络检测设备以及网络防御措施3方面对基本攻防行为树进行扩展,提出攻击目标成功率算法,计算其攻击概率。在此基础上,对攻击威胁进行评估,分析网络安全态势。最后,为验证网络攻防行为树模型的可行性和有效性,在BGP（border gateway protocol）攻击树的基础上构建攻防行为树模型,通过概率计算可知：攻击路径PATH1概率最大;且在没有防御措施的情况下,5条攻击路径的攻击成功率均得到增大,PATH2至PATH5概率增大倍数显著高于PATH1,与实际相符。本文所提的网络攻防行为树模型能很好地计算各种防御措施的效果,且能够在任意节点添加和删除攻防行为,具有较强的可扩展性,可为网络管理者与运营者提供科学的决策依据。     

复杂网络视角下国际贸易研究综述

对国际贸易网络的相关研究进行了综述。首先从国际贸易经典网络模型、适应度模型、双曲模型、流网络模型、多层贸易耦合网络模型和二分网络模型等6个模型，介绍了国际贸易网络的建模方式；然后从国际贸易网络统计特征、社团结构、演化模型和动力学行为等方面，梳理了国际贸易网络结构与功能的相关研究，最后总结了对国际贸易网络的研究并探讨了未来值得研究的课题。     

城市交通网络的混杂Petri网建模

针对城市交通网络中的动态车流具有连续时间特性而动态信号灯具有离散事件特性的情况, 采用混杂Petri网建立了一个四相位信号交叉口模型，该模型包含了城市交通网络中的连续车流动态和离散信号灯动态.在此基础上分析了交叉口各个方向的输入、输出车流动态，并与四相位信号交叉口的物理模型相对比，结果表明该混杂Petri网模型能够较好地描述城市交通网络的混杂特性.仿真结果表明了混杂Petri网模型的有效性.     

一种改进的内网用户行为审计模型研究

目前,安全审计系统多是基于广域网网络数据的审计,对于内网用户行为审计还处于研究的初级阶段.传统的用户行为审计模型智能性低,集中式结构审计负担重,针对这一缺陷,提出了一种分布式内网用户行为审计模型,采用三级Agent结构,并融入了改进的遗传算法（IGA）的神经网络分析,最终实现对用户行为数据的分布采集,过滤传输和智能审计.     

基于神经网络的入侵检测系统模型

讨论了利用神经网络设计识别用户异常行为的入侵检测系统的方案,即提取用户正常行为样本的特征来构造用户正常行为的特征轮廓;用神经网络扫描系统的审计迹得到的检测样本与用户特征轮廓进行比较,以两者的偏差作为证据,并结合证据理论来提高检测的正确率．     

公交线路网优化的双层模型及其解法

提出了一种优化公交网络的双层模型,其中上层模型是以直达客流密度最大为目标,基于公交站点客流分布数据优化公交网络。考虑到随着网络的变化公交乘客的出行行为会发生相应变化,为此,下层模型在优化的网络上重新进行公交客流分配,其分配的结果(新的客流矩阵)又会影响公交网络的设计。然后,采用了改进的蚁群算法和标号法对该双层模型进行了求解。最后,利用大连市主城区的数据对该方法进行了检验。     

基于融合特征网和模块网的低频行为挖掘方法

针对流程挖掘过程中忽略低频行为的问题,提出一种基于融合特征网和模块网挖掘低频行为的方法.首先,通过处理有效的事件日志确定通讯行为轮廓关系,并根据日志将特征分为不同模块,重构事件内部行为,挖掘相应的模块网与特征网; 然后,融合特征网与模块网得出完整的流程模型,并通过迭代扩展初始模式得出所有低频模式.实例分析证明,本文提出的方法具有一定的可行性.     

负阻态忆阻Hopfield神经网络动力学

人类大脑是一个高度复杂且规模庞大的非线性动力学系统,其动力学行为与人类智能活动密切相关。基于忆阻器的人工神经网络不仅可以很好地模拟人脑工作机制,而且其非线性特性可以为神经网络带来更为丰富的动力学行为。为了进一步发挥神经网络的优势,引入一种新的具有负阻态功能的忆阻器模型,该模型打破了原有忆阻器的阻态极性限制,为忆阻器扮演神经网络突触仿生器件提供了更加丰富的变化性能。在对忆阻器模型分析的基础上,提出了一种新的忆阻Hopfield神经网络(HNN),进一步加强了HNN的负反馈功能,使之表现出更加丰富和复杂的动力学行为。实验结果表明,新忆阻HNN拥有较为丰富的动力学行为,具有一定的混沌特性。在不同的忆阻器参数以及权值矩阵取值条件下,观察系统的相位轨迹图、Lyapunov指数的变化情况,并与同类型网络进行对比,进一步证明提出的神经网络的有效性,同时复杂的动力学特性也为在数据处理、图像加密等方面的应用提供了研究支撑。     

Femtocell网络中移动用户位置和网络容量的预测

为实现Femtocell(飞蜂窝)无线蜂窝网络系统有限资源的优化管理和分配,利用基于半马尔可夫过程的预测模型实现网络容量及用户行为预测。根据半马尔可夫模型计算Femtocell网络中移动用户位置转移的概率大小,区别估计网络中活跃用户数和空闲用户数以及设备容量极限值对转移用户的影响。研究结果表明,基于半马尔可夫过程的移动用户预测模型,能更准确地表现网络中用户特性,有助于合理搭建网络和调配网络资源。     

有标记网络中的病毒传播机理及动态特性

大数据环境下传播行为及动态演化形式是多元化的,其模型构建也各不相同.因此针对存在不同性质个体的有标记网络,探索了病毒传播模型与动态演化机制.首先将改进的有标记-易感染-已感染-易感染（S-SIS）传播模型应用到有标记网络,通过调节参数研究其对病毒传播的影响.改进了传统模型中传染概率为常数的假设,更好地模拟了感染状态的动态演化,构建了感染状态实时变化的感染概率方程,准确模拟了有标记网络中的病毒传播行为.最后利用平均场理论和蒙特卡洛方法进行仿真,对比检验不同参数变化对模型的影响.为了观察具有不同拓扑结构网络上的表现,对埃尔德什-雷尼随机网络与无标度网络进行了深入实验,得出了一系列新颖的结论.     

基于DSPN的CAN总线通信行为建模与性能分析

目的分析CAN总线的通信协议，为改进和实践工程应用提供有价值的理论、方法．方法基于确定随机Petri网（DSPN），对其通信过程进行建模，通过仿真实验进行网络性能分析．结果得出信息到达间隔、通道忙概率、高优先级发送引起的受阻率与网络性能指标吞吐量和通信冲突率之间的关系．结论模型能够有效地描述和分析CAN总线的通信机制。为CAN总线组网提供有价值的参考．     

基于信任和风险评估的异构无线网络安全模型

由于现有的信任模型仅针对应用,并没有引入风险评估,不能适应新的网络环境特点,而异构无线网络环境由于具有异构性、开放性、动态性和适应性的特点,适合新环境下的系统网络安全需要.提出一种主动安全模型,从分析安全的保护机制出发,基于服务提供者和请求者的不同角度,引入网络风险评估和用户历史交互行为的信任评估,动态地为系统资源提供主动保护能力,以提升安全性.通过仿真实验得出,模型能够在恶意攻击增加情况下,及时识别风险,并正确有效地预测实体行为,保持良好运行状况,为下一步系统决策提供保障.     

用户网络行为习惯模型

在对基于知识推理的智能网络入侵检测模型和网络安全预警方法的研究过程中,通过对网络黑客攻击方式和手段以及Internet上用户网络行为特征的分析,给出了用户违反网络安全规则行为的分类原则,在此基础上,提出了基于数理统计思想的用户网络行为习惯模型,并在FireGuard代理防火墙系统的智能安全预警子系统中进行了实现.\     

基于会话流聚合的隐蔽性通信行为检测方法

采用隐蔽技术对抗安全检测并实现长期潜伏与信息窃取的网络攻击已成为当前网络的重大安全问题。目前该领域面临3个难题:1）攻击本身的强隐蔽性使其难以检测;2）高速网络环境中的海量通信数据使检测模型难以细粒度构建;3）隐蔽通信的持续性和复杂性使标签数据缺乏进而加大了模型的构建难度。针对上述3个问题,该文在对长时间的校园网流量进行大数据统计分析的基础上,对基于隐蔽会话的隐蔽性通信行为进行了描述和研究,提出了一种隐蔽性通信行为检测方法。该方法首先通过并行化会话流聚合算法聚合原始会话流,然后从集中趋势和离散程度的角度刻画隐蔽通信行为,并引入标签传播算法扩展标签数据,最后构建多分类检测模型。通过仿真和真实网络环境下的实验,验证了方法对隐蔽性通信行为的检测效果。