基于多传感器数据融合的入侵检测机制

针对特征复杂的入侵方式,设计了一种基于数据融合理论的新型入侵检测机制-DFIDS,结果提高了系统在检测复杂入侵行为时的确定性。DFIDS使用优化的并行分布式检测与决策融合系统模型,可以有效克服传统入侵检测系统因单检测器而在数据采集和分析方面的局限性,从而提高了检测的总体性能。文中建立了DFIDS的理论分析模型,并和传统入侵检测机制进行了对比,结果表明DFIDS在检测准确性方面具有更好的性能。     

本体论在网络入侵检测技术中的应用

为解决当前入侵检测系统中的检测器协作问题和检测器内知识表达问题，将知识工程中的本体论技术应用于分布式入侵检测系统中，使用入侵检测本体在系统内形成了统一的全局概念视图。按照入侵检测体系的基本框架构建了入侵检测本体，该本体模型对入侵检测三要素(信息资产、攻击者、攻击行为)进行了分层的概念和属性描述。检测器按照作用域继承本体模型内的不同概念类形成自身的领域知识，同时在统一的知识论框架的引导下完成协作过程。最后，通过对基于本体模型的检测系统的实例证实了该方法的可行性。     

入侵检测（ID）系统和多传感器数据融合

多传感器数据融合对于构造下一代入侵检测（ID）系统和计算机空间状态报告提供了一个重要的功能性框架。本在介绍ID的基本概念术语的基础上，给出了多传感器数据融合技术以及与入侵检测（ID）系统之间的关系，主要阐述了入侵检测系统数据融合和入侵检测系统数据融合的采集环境。     

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。     

混合型入侵检测系统中联合分析与数据融合技术

针对目前国内外研究的入侵检测系统大多存在误报率高、检测效率低等问题,改进了入侵检测系统的分析器,采用2层结构,在误用分析层之上,增加联合分析层.联合分析层运用数据融合技术,采用Dempster-Shafer证据理论作为数据融合算法,并引入了一种新的基于Dempster组合规则的融合方法.通过对使用该入侵分析器与未使用入侵分析器的入侵检测系统进行比较实验表明,该分析器可以有效地降低误报率.     

基于卡尔曼滤波的交通信息融合方法

基于卡尔曼滤波理论,针对交通信息采集过程中的多设备采集系统提出了两种对多种交通检测器检测信息的融合模型。基于该融合思想,建立了3种检测设备的融合模型,并利用3组检测设备的检测数据对该模型进行了验证。结果表明,这两种融合模型建立合理,可有效提高检测精度。     

基于免疫机制入侵检测中检测器生成的优化研究

机体免疫系统的许多有益特性被应用于入侵检测系统,使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到的诸多问题之后,提出了一种新的检测器生成算法。通过Matlab编程,对其进行了仿真实验,验证了该算法的有效性。     

面向入侵检测的机器学习方法综述

入侵检测方法是基于网络的入侵检测系统的核心,可以是基于特征的,也可以是基于异常的。基于特征的检测方法具有较高的检测率,但不能检测到未知新型攻击;基于异常的检测方法可以检测到新型攻击,但误报率较高。为了降低入侵检测的误报率并提高其检测率,许多机器学习技术被应用到入侵检测系统中。通过对大量带有入侵数据训练样本的学习,构建了一个用于区分正常状态和入侵状态的入侵检测模型。针对目前入侵检测系统存在的高误报率、低检测速度和低检测率等问题,对机器学习技术在入侵检测系统中的的优势、系统检测的通用数据集以及系统评估指标进行了详细阐述,并对未来研究趋势进行了展望。     

基于免疫机制入侵检测中检测器生成的优化研究

机体免疫系统的许多有益特性被应用于入侵检测系统，使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到的诸多问题之后，提出了一种新的检测器生成算法。通过Matlab编程，对其进行了仿真实验，验证了该算法的有效性。     

DMIDS中的特征构造方法研究

基于数据挖掘的入侵检测系统(DMIDS)是将数据挖掘技术用于分析系统审计数据,从中提取用户正常行为模式和黑客入侵模式,用于检测攻击.在DMIDS的实现过程中,特征构造是一个关键环节.描述了建立入侵检测模型的数据挖掘过程,设计了一个特征构造算法,该算法能自动地根据频繁模式构造临时和统计特征,用来辅助建立入侵检测模型,此构造方法所构造的特征具有较高的信息增益度.     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

信息融合技术在矿井安全监测系统中的应用

为了能够准确的判断矿井内环境的安全状况,利用信息融合技术设计了一套矿井安全监测系统.该系统主要由传感器节点、数据处理单元、地面监控单元和融合算法等几部分构成.传感器节点由温度传感器、瓦斯传感器、CO传感器和风速传感器组成,完成对井内各项数据的采集并将数据传送给数据处理单元;数据处理单元以CC2530芯片为控制芯片,对采集到的数据进行处理,并通过ZigBee技术实现无线传感器网络节点的数据传输;算法部分基于反向传播(BP)神经网络的融合算法,利用MATLAB实现的训练样本对实际数据进行融合,完成对实际情况的判断,最后做出决策.MATLAB仿真结果显示,融合后的结果与实际情况吻合,为矿井的安全监控提供更好的保障.     

基于虚拟仪器的转子监测系统网络化设计

结合虚拟仪器技术和网络技术,以多功能转子试验台为监测对象,开发了基于LabVIEW的网络化转子监测系统.系统实现了实时数据采集、信号分析处理、结果显示和数据存储、报警等功能.为大型旋转机械的在线监测系统的开发提供了理论和技术.     

结构健康监测中的数据融合技术

目的为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源，获得被测对象的一致性决策和估计任务。进而提高确诊率．方法从多传感器数据融合的概念、基本原理出发，探讨了数据融合技术在结构健康监测与诊断中应用的可行性，重点研究了基于人工智能的数据融合技术在结构健康监测及诊断中的应用方法．结果提出了小波概率神经网络数据融合损伤检测技术及其在结构损伤检测中的应用．结论基于多传感器数据融合的健康监测与诊断是可行的、有效的．     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

Datafusion method of multi-sensor target recognition in complex environment

In the complex battlefield environment, the uncertainty of target information causes the target recognition difficulty and misjudgment, which brings about the problem of a low accuracy of target recognition results. This paper proposes a data fusion method for multi-sensor target recognition based on the discrete factor, which can give rise to the output data of the multi-sensor at the multi-period and multi-regions detection, and bring about the discrete factor of obtaining target characteristic corresponding sensors. It can provide the current weight of multi-sensor target recognition according to the discrete factor, establish the relative consistency and the relative weighted consistency function of multi-sensor target recognition, combine the current weight of multi-sensor target recognition and the related consistency function, and construct the data fusion result support calculation model of multi-sensor target recognition. Experimental results show that when the environment is complex, the data fusion method for multi-sensor target recognition based on the discrete factor has more accurate target recognition results, which conforms to the reality in comparison with the data fusion method for target recognition with a given sensor weight in advance. It is shown that the method proposed in this paper is more reliable and has a certain anti-interference ability.     

多信息融合技术及在无损检测中的应用

研究了基于D-S证据理论的多传感器决策层信息融合的实现方法和算法,探讨了将Dempster联合规则推广到多源信息时取消中间联合过程的归一化计算问题,推导出了改进算式。应用于无损检测,用超声波等三种传感器对一铸件进行无损检测仿真实验,结果证明能够提高检测速度与检测精度。     

异步多传感器目标跟踪融合

传感器信息融合一直以来被认为是改进目标跟踪的一种有效手段.一般的做法是假设所有传感器是同步的.但是这样的假设在实际系统中常常难以做到.在考虑多传感器目标跟踪时,不依赖于同步假设,即允许各传感器使用不同的采样频率.允许传感器平台与处理中心存在交流延迟等,提出了一种新的基于一级融合跟踪和二级融合跟踪的处理方案.该方案是在分布式融合的基础上,融合处理可以发生在融合区间内的任意时刻.     

物联网技术在矿山安全管控体系的应用

基于物联网发展技术构建了由感知层、传输层和应用层组成的矿山安全管控体系.利用射频、红外感应、全球卫星定位系统、激光扫描等传感器实时监测矿山安全生产信息,采用标准化技术将现场各种传感器自动监测数据通过互联网、移动通信网、内网、专网等传输至监管中心,进行统一的分析、查询和智能处理,最后依托重大危险源安全管理-过程自动监控-应急预警一体化系统平台,达到矿山生产监控、管理和决策智能化的应用目的.具有实时性、可视化、标准化、精准化、自动化等特点.结果表明,通过这个安全管控一体化平台,对生产、安全信息的全面感知和科学决策,可提高矿山资源的利用率,杜绝重大人员伤亡,提升安全生产水平.     

一种改进的多源异类航迹关联方法

为了克服在多传感器信息融合系统中各类传感器的探测精度差异性很大以及异类航迹关联常常面临高不确定性的问题,提出了将证据理论引入到多因素模糊综合决策航迹关联中.利用证据理论进行不确定信息证据合成,再根据多因素模糊综合决策隶属度函数获取证据,解决了航迹关联的不确定性和证据理论在证据获取时存在的困难.实验结果表明:采用该方法的异类航迹关联能够有效克服证据合成过程中的不确定性,降低错漏关联率.