基于特征压缩与分支剪裁的网络异常检测算法

提出一种改进的直推式网络异常检测算法,利用K-L变换降低计算欧氏距离特征向量的维数,采用分支限界树剪裁减少欧氏距离的计算次数。基于KDD CUP99数据集的实验验证了改进算法能提高网络异常检测的实时性,通过与基于单类支持向量机的异常检测算法的性能对比结果表明,改进算法在保证一定误报率的情况下具有较高的检测率。     

基于网络数据包进出比率的DDoS检测方案研究

本文提出了一种基于网络数据包进出比率的DDoS检测方案,该方案在正常网络状态下计算不同类型（TCP、UDP和ICMP）数据包的进出比率,并用此进出比率维护一个滑动窗口,采用中心极限定理,根据滑动窗口的数据。估计正常进出比率的置信区间,然后通过验证当前网络数据包进出比率是否落入置信区间对网络状态作检测。该方案部署在网络的边界路由器中实时对网络的状态进行检测,能够检测不同类型的DDoS攻击并进行报警。     

基于半监督降维技术的网络入侵检测方法

针对网络入侵检测中的高维数据处理问题,提出基于半监督降维技术和BP神经网络的入侵检测方法,该方法主要有两个优点:实时性更高;训练样本标记工作量更小。对半监督降维技术背后的数学原理进行解释,并论述其在网络入侵检测中应用的适用性。对比实验表明:在少量标记样本和大量未标记样本的支持下,半监督降维技术能够在降低维数的同时保持入侵检测性能,从而大幅降低入侵检测的训练和检测时间。     

近邻保持降维技术在网络异常检测中的应用

针对入侵检测中的高维数据处理问题,以直推式网络异常检测方法为原型,提出了一种基于近邻保持降维方法的新模型。该模型能够用于高维数据的降维,从而减少欧氏距离的计算量,加快异常检测算法的训练及检测速度。采用著名的KDD cup99公用数据集的仿真实验表明,相比较基于主成分分析法和单类支持向量机的网络异常检测模型来说,基于近邻保持降维技术的检测模型能够在降维的同时,保持较高的检测率和较低的误报率。     

拒绝服务攻击检测与防御研究

本文分析了常见的拒绝服务攻击的检测方法：基于流量的检测、基于源IP地址的检测和基于数据包属性的检测，并讨论了几种检测机制的优缺点。对于拒绝服务攻击的防御，着重分析了基于出口过滤的防御机制、基于数据包危险度的流量控制和IP回溯机制。     

非计算机专业计算机基础课程教学改革的探讨与实践

该文分析了目前计算机基础课程教学存在的问题,结合安阳师范学院实际情况,对计算机基础课程的教学内容、教学体系、教学方法、实践教学、评价体系等方面进行了探讨和实践。     

自组织映射神经网络在入侵检测中的应用

提出了一种基于SOM神经网络的入侵检测方法。该方法采用有标签的数据训练SOM神经网络,然后根据训练的结果标记正常数据和异常数据聚类的神经元。检测时则根据被检测数据的最佳匹配神经元的标签判断攻击是否发生。为验证检测的有效性,采用KDD cup99的训练集与测试集,将基于SOM的检测方法与基于SVM的检测方法的检测效果做了对比。实验结果表明：基于SOM的入侵检测方法具有检测率高、训练时间短和通用性强等特点。     

新工科背景下“新形式翻转课堂”在线教学模式探究

分析数据科学与大数据技术专业现阶段在线教学难点,以专业核心课程数据科学导论为切入点,提出新工科背景下基于“理论+实践”的“新形式翻转课堂”在线教学模式,从教学目标设计和教学方案实施两方面介绍基于“理论+实践”的“新形式翻转课堂”在线教学模式设计,最后通过问卷调查数据说明教学模式的效果。     

一种基于JavaEE平台的ERP系统研究与设计

随着信息技术的快速发展和计算机应用的不断深入,传统两层体系架构的ERP系统暴露出越来越多的缺点,已不能满足当今社会的需要。研究并设计了一种基于JavaEE平台的三层体系架构的ERP系统,给出了简要的实施方案。