用双枝模糊逻辑和模糊Petri网构建的攻击模型

以双枝模糊逻辑和模糊Petri网（Fuzzy Petri net,FPN）理论为基础,定义了一种全新的网络攻击模型BBFLPAN,将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析,用变迁表示攻击、防御行为的产生发展过程,库所表示系统所处的状态,将网络攻击与防御行为和攻击与防御结果进行了区分,直观地表示网络攻击的演变情况。同时结合双枝模糊逻辑,分析了BBFLPAN模型的基本推理规则,并提出了BBFLPAN的推理算法,并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析,使其对网络攻击的描述更加切近实际情况。     

双枝模糊时间Petri网可修复网络攻击模型

以具有时间特性的模糊时间Petri网为研究方法建立了一种新的网络攻击模型。在模型中主要引入双枝模糊集理论和可靠性理论。利用双枝模糊集中的上域（下域）表示攻击的促进因素（阻碍因素）,并在此基础上进行双枝模糊决策以决定变迁（攻击行为）激发对其后集中库所（攻击状态）的影响效果。该模型认为攻击过程是一个可修复的复杂系统,库所代表的攻击状态在随机失效后,便进入一个具有模糊时间区间的修复期,并在修复期后恢复攻击状态,这样做更符合攻击者总是维持攻击状态,使其利于攻击的事实。最后,对这种模型的攻击路径和系统的可靠性进行了分析,并以例子对模型进行了仿真验证。     

基于双枝模糊逻辑和模糊着色Petri网的攻击模型

定义了一种基于双枝模糊逻辑和模糊着色Petri网的网络攻击模型, 从对攻击起促进和抑制作用这两方面对网络攻击进行综合考虑与分析, 同时对模糊规则库中的不同变量用不同的颜色来区分, 因此可构成一个简明的BBFCPN模型。在此基础上, 给出了BBFCPN模型的基本推理规则和推理算法。针对攻击实例的分析进一步验证了提出的模型及相关推理算法。     

攻击模型BBFPAN分层的新方法

针对以模糊Petri网为理论基础的网络攻击模型BBFPAN自学习能力差的缺点,提出了一种新的适用于对攻击模型BBFPAN进行层次式划分的分层算法,为将神经网络理论引入攻击模型的研究奠定了基础。     

具有动态可靠性的模糊时间Petri网攻击模型

在利用Petri网方法研究网络攻击模型的过程中,引入攻击可靠性的概念,将网络攻击模型作为一个系统看待,以此系统为研究对象,不仅通过推理算法得到目标库所的真实度,并且对攻击路径和系统进行动态可靠性分析,从而提出一种新的攻击模型—动态可靠性模糊时间Petri网网络攻击模型（DRFTPN）,并结合可靠性给出了相应的推理算法。这种模型将攻击过程描述为一个不可修复复杂系统,认为库所代表的攻击状态是随机失效的。为了计算复杂系统的可靠度,提出了一种近似求得系统可靠寿命的补偿性算法,并利用基于最小路集的方法求得DRFTPN模型的攻击路径。最后,运用Monte Carlo方法对DRFTPN模型进行仿真。     

用直觉模糊Petri网构建的供应链可靠性诊断模型

针对不断变化的供应链系统内外部环境因素,围绕供应链系统可靠性诊断问题,将直觉模糊集引入模糊Petri网建模,用直觉模糊数表示库所状态、变迁阈值和变迁输出置信度,构建了基于直觉模糊Petri网的供应链可靠性诊断模型。对直觉模糊产生式规则按照变迁激发前后变迁和库所之间的与或关系,将供应链可靠性诊断模型模糊推理规则划分为四种类型,得到了变迁触发前和触发后的与或直觉模糊推理规则。同时提出了相应的模糊推理算法,并通过实例验证了模型和算法的有效性,能够及时发现供应链系统故障。     

基于模糊Petri网的服务发现框架研究

现有的主流服务发现方法不支持模糊逻辑推理，无法处理软计算语义，从而缺乏灵活性．为了弥补人类可理解的软计算逻辑和机器能够识别的硬逻辑的差异，提出了面向服务基于模糊Petri网的Multi-Agent服务发现框架．为支持这一框架。设计了一种模糊Petri网服务描述语言，其主要特点是变迁表示一个服务或者请求；变迁的输入库所表示服务执行前应满足的条件，变迁的输出库所表示只有在所需争件满足的情况下服务才能成功执行．变迁相关的CF值（certainty factor value）表示服务消费者对Agent所提供服务的置信度．其次，提出了支持软计算语义的松弛匹配机制，并且给出了模糊松弛匹配算法；借助于本体库（类库），通过计算命题的真实度，在不精确模糊信息情况下，可以实现服务和请求的模糊松弛匹配．     

双枝模糊逻辑(Ⅱ)

在双枝模糊集基础上，通过对单枝模糊逻辑的合理扩展，建立了双枝模糊逻辑的框架。从双枝模糊命题入手．给出双枝模糊逻辑的性质和双枝模糊逻辑公式，以及双枝模糊逻辑的析取范式与合取范式。这些结果为研究双枝模糊推理和双枝模糊控制奠定了基础。     

一种模糊Petri网分层的新算法

针对模糊Petri网自学习能力差的缺点,在分析研究已有研究成果的基础上,指出了已有模糊Petri网分层算法的不足之处,并提出了一种具有普遍适用性的FPN分层算法。在该分层算法中,同一个库所的输出变迁被置于同一层次结构之中,在必要时可增加相应的虚库所和虚变迁,避免了同一层中变迁触发冲突问题的发生。该分层算法将神经网络理论引入模糊Petri网的研究中,实验验证了其正确性。     

双枝模糊逻辑

在双枝模糊集基础上,建立了双枝模糊逻辑的框架,这是对单枝模糊逻辑的合理扩展。从双枝模糊命题入手,给出双枝模糊逻辑的性质和双枝模糊逻辑公式,以及双枝模糊逻辑的析取范式与合取范式。这些结果为研究双枝模糊推理和双枝模糊控制奠定了基础。     

基于双枝模糊集的一致性模糊变权Petri网攻击模型

以Petri网为基础,结合双枝模糊集理论,定义了一种新型的一致性网络攻击模型CBBVFPN,并根据CBBVFPN模型的特点构造出了相应的形式化推理算法。该模型弥补了以往基于Petri网的攻击模型共同具有的一些缺陷,同时对“AND”和“OR”两种基本Petri结构进行了扩展。在推理过程中,为了防止以一个真实度很低的命题为前提继续推理,得出真实度更低的命题而背离事实,提出规则演化和变权的方法来处理真实度低的命题。推理算法使用统一的方式表示肯定命题和否定命题,并且在算法中加入控制条件,以保证推理过程和推理结果的一致性。最后以Botnet攻击为实例验证了本算法。     

Designing genetic regulatory networks using fuzzy Petri nets approach

In this paper, we have successfully presented a fuzzy Petri net (FPN) model to design the genetic regulatory network. Based on the FPN model, an efficient algorithm is proposed to automatically reason about imprecise and fuzzy information. By using the reasoning algorithm for the FPN, we present an alternative approach that is more promising than the fuzzy logic. The proposed FPN approach offers more flexible reasoning capability because it is able to obtain results with fuzzy intervals rather than point values. In this paper, a novel model with a new concept of hidden fuzzy transition (HFT) to design the genetic regulatory network is developed. We have built the FPN model and classified the input data in terms of time point and obtained the output data, so the system can be viewed as the two-input and one output system. This method eliminates possible false predictions from the classical fuzzy model thereby allowing a wider search space for inferring regulatory relationship. The experimental results show the proposed approach is feasible and acceptable to design the genetic regulatory network and investigate the dynamical behaviors of gene network.     

基于直觉模糊Petri网的加权直觉模糊推理

利用直觉模糊集合较好地表现不确定信息的能力和Petri网的并行处理能力,构建了直觉模糊Petri网模型。给出了输入权值、变迁阈值等多种约束条件下的直觉模糊推理算法。该算法将直觉模糊推理过程转化为矩阵的运算过程可充分利用直觉模糊Petri网的并行推理能力,有效地避免同一变迁不必要地重复激发从而节省推理时间。实例分析表明所给出的直觉模糊推理算法较已有算法更加合理并且高效。     

Both-branch fuzzy decision and decision encryption-authentication

This paper is on fuzzy decision theory and information security theory which are mutually independent and engrafted. This paper presents both-branch fuzzy decision and problems on decision encryption-authentication, puts forward two kinds of both-branch fuzzy decision on X: both-branch fuzzy decision on X having bounded domains X = X ∩X- ={x0}, both-branch fuzzy decision on X havingoverlapping domains X* = X ∩X- = {x_1~*,x_2~*,…,x_1~*}. It presents single branch separate-separate out theoremof both-branch fuzzy decision on X, single branch superposition theorem of both-branch fuzzy decision, exclusive-decompose principle of both-branch fuzzy decision. This paper presents encryption-authentication theorem of decision by engrafting information security theory and technique with both-branch fuzzy decision, and provides encryption-decryption and signature-authentication of both-branch fuzzy decision.     

基于模糊SVM模型的入侵检测分类算法

为解决入侵检测分类遇到的训练样本数量少、分类准确率低的问题,提出基于模糊支持向量机的多级分类机制。该分类机制训练模糊SVM模型将数据粗分为正常与攻击大类,采用DBSCAN算法产生细分模型进行攻击子集的自动聚类,将有关数据细分得到攻击的具体细类。在机制设计中,优化了隶属度函数的计算、设计了数据标准化与归一化等过程,并训练了高效分类器。实验表明,针对网络入侵检测数据中常见的孤立点干扰、噪声多,并且负样本占比多的网络业务数据集,新算法在保持分类准确率高的前提下,分类过程的计算时间较短。     

基于共识与Choquet积分的模糊Petri网可信度确定方法*

针对模糊Petri网可信度确定过程中,决策结果可接受程度较低和未考虑影响因子间关联的问题,提出基于群体共识测度与Choquet积分确定模糊Petri网可信度的方法。设计了基于决策者与群体评估信息偏差修正的自适应共识测度算法,获取可接受程度较高的群体评估信息。构建最大2-可加模糊测度Marichal熵模型求解影响因子间的交互作用系数,根据交互作用系数、默比乌斯变换和模糊测度之间的关系确定模糊测度,利用Choquet积分算子集结群体评估信息得到模糊Petri网可信度。将此方法用于确定燃气轮机故障诊断模糊Petri网输入库所可信度,并与未考虑共识测度和影响因子间关联的方法进行比较,计算结果验证了该方法的有效性和可行性。     

基于模糊聚类神经网络的镜头突变检测算法

讨论了采用无监督的模糊竞争学习算法，并结合自组织竞争网络构成的一种新型模糊聚类神经网络模型，提出了一种基于该网络模型的镜头突变检测算法。该算法通过对线性特征空间进行由粗到细的两步模糊聚类实现镜头突变的检测。实验结果表明该算法是可行和有效的。