基于分布式智能代理的入侵检测方法研究

在分析和研究通用入侵检测框架理论和传统入侵检测系统实现策略的基础上，提出融合了滥用检测和异常检测两种方法的检测模型——基于分布式智能代理的网络入侵检测模型，并对检测引擎和检测算法进行了改进，使之具有更高的准确性和对潜在的入侵行为的识别和预测等智能化能力。     

专家系统的软件工程建造方法

本文指出ＥＳ所固有的一些困难引起了ＥＳ的设计和维护上的困难，提出了ＥＳ的软件工程方法的观点、描述认知过程的知识说明和建造ＥＳ过程的ＰＬＷＦ模型，用来解决ＥＳ的设计阶段和维护阶段产生的问题。     

入侵报警管理与入侵响应系统IDAM&IRS中的自适应报警聚合

本文简要介绍了入侵报警管理与入侵响应IDAM&IRS系统的结构与功能,阐述了重复报警所造成的安全问题以及报警聚合的必要性.对报警聚合所涉及的有关问题进行了详细的讨论,提出了基于报警类型的自适应报警聚合方法.此方法可以有效聚合重复报警,解决了重复报警所产生的通讯堵塞等问题,能够在报警数量和报警种类之间取得很好的平衡.由于其自适应性,此报警聚合模型为后续深入的报警处理提供了有利支持,较好地解决了安全性与实时性之间的矛盾.     

一种挖掘数值属性的二维优化关联规则方法

优化关联规则允许在规则中包含未初始化的属性.优化过程就是确定对这些属性进行初始化,使得某些度量最大化.最大化兴趣度因子用来发现更加有趣的规则;另一方面,允许优化规则在前提和结果中各包含一个未初始化的数值属性.对那些处理一个数值属性的算法进行直接的扩展,可以得到一个发现这种优化规则的简单算法.然而这种方法的性能很差,因此,为了改善性能,提出一种启发式方法,它发现的是近似最优的规则.在人造数据集上的实验结果表明,当优化规则包含两个数值属性时,优化兴趣度因子得到的规则比优化可信度得到的规则更有趣.在真实数据集上的实验结果表明,该算法具有近似线性的可扩展性和较好的精度.     

Counterexamples to convergence theorem of maximum-entropy clustering algorithm

In this paper, we surveyed the development of maximum-entropy clustering algorithm, pointed out that the maximum-entropy clustering algorithm is not new in essence, and constructed two examples to show that the iterative sequence given by the maximum-entropy clustering algorithm may not converge to a local minimum of its objective function, but a saddle point. Based on these results, our paper shows that the convergence theorem of maximum-entropy clustering algorithm put forward by Kenneth Rose et al. does not hold in general cases.     

用差异演化算法求解单任务Agent联盟

在多Agent 系统中, 可以通过联盟提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.将差异演化算法应用于Agent 联盟问题,可以快速、高效地找出合适的Agent 联盟.对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

多目标同顺序流水作业的局部搜索算法

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。     

包含隐变量的贝叶斯网络增量学习方法

提出了一种贝叶斯网络增量学习方法——ILBN.ILBN将EM算法和遗传算法引入到了贝叶斯网络的增量学习过程中,用EM算法从不完整数据计算充分统计量的期望,用遗传算法进化贝叶斯网络的结构,在一定程度上缓解了确定性搜索算法的局部极值问题.通过定义新变异算子和扩展传统的交叉算子,ILBN能够增量学习包含隐变量的贝叶斯网络结构.最后,ILBN改进了Friedman等人的增量学习过程.实验结果表明,ILBN和Friedman等人的增量学习方法存储开销相当,但在相同条件下,学到的网络更精确;实验结果也证实了存在不完整数据和隐变量时,ILBN的增量学习能力.     

网络安全漏洞扫描器

网络安全漏洞扫描器是近年来网络安全研究的热点。文章说明了网络安全漏洞扫描的必要性,给出了网络安全漏洞扫描器的概念和结构,概述了多种漏洞扫描的技术,最后介绍了网络安全漏洞扫描器的国内外现状及评判标准。     

多粒度粗糙集的双层绝对约简*

多粒度粗糙集本质上是异构的,但是目前尚未运用于异构数据处理.从绝对约简的角度出发,提出多粒度粗糙集的双层绝对约简——多粒度绝对约简和多粒度绝对粒度约简.分析多粒度双层绝对约简的性质,特别是从异构数据约简的角度探究多粒度双层绝对约简的特性,提出多粒度双层绝对约简算法.理论分析和实例表明多粒度双层绝对约简算法的可行性.