小波变换在流量异常检测中的应用

本文详细介绍了基于小波变换的异常检测技术的原理和检测模块的实现,通过实验结果说明这是一种检测流量异常的有效手段.而且能识别出正常的突发流量和攻击流量,从而提高了报警的准确性.而且此方法较低的时间复杂度也适合大流量下的数据处理.     

NetFlow流技术在网络异常流量检测中的研究

针对网络安全监测的实际需要,本文从网络安全视角,首先介绍Flow流技术,随后说明了NetFlow技术及实现原理,最后对异常流量检测进行了系统架构分析.     

人工神经网络在混合气体定量检测中的应用

介绍了一种基于气体传感器阵列的采用人工神经网络BP算法的混合气体定量检测装置的设计方法,讨论了采用这种方法进行混合气体定量检测的可行性,并基于对误差原因的分析提出几种减小误差的方法。     

异常邮件流量检测方法研究

在网络管理过程中,大量的垃圾邮件给网络管理员带来沉重的工作负担。而处理垃圾邮件的重点在于对垃圾邮件的鉴别。提出一种新颖的异常邮件检测方法。以扩展的SMTP协议状态机模型为基础,选取若干参数为测度,并通过大量的实验进行验证分析。实验结果表明,此方法是有效的,管理人员可以用它来设计有效的规则和策略以减少异常邮件流量。     

流量模型在入侵检测系统评估中的应用研究

入侵检测系统评估研究中面临缺乏测试数据集的困境。一个理想的IDS基准评估应该提供一个全面的测试数据集用于更好的分析。在分析林肯实验室流量产生模型的基础上,对流量产生模型的系统配置、系统维护、流量调节、可扩展性等方面进行了改进,提出了一个分布式流量产生系统。     

人工神经网络在医疗技术中的应用

本文介绍了人工神经网络的工作原理以及人工神经网络在诊断、病人安全监护、假肢控制方面的应用，并展望了其在神经外科方面的应用前景。     

单片机在多路流量检测中的应用

本文介绍了采用AT89C51单片机研制的多路流量积算仪的检测原理、硬件软件设计方法及其主要功能。     

软件定义网络中的异常流量检测研究进展

软件定义网络(software defined networking,简称SDN)是一种新型的网络架构.SDN将控制层从数据层分离并开放网络接口,以实现网络集中控制并提高网络的可扩展性和编程性.但是SDN也面临诸多的网络安全威胁.异常流量检测技术可以保护网络安全,防御恶意流量攻击.对SDN异常流量检测进行了全面的研究,归纳了数据平面和控制平面可能遭受到的网络攻击;介绍并分析了位于应用平面、控制平面和中间平台的异常流量检测框架;探讨了异常流量识别机制、负载均衡机制、异常流量追溯机制和异常缓解机制;最后指明SDN异常流量检测在未来工作中的研究方向.     

高温液体流量检测系统及其在锌精馏中的应用

鉴于高温液体的流量难以直接检测,利用软测量技术,提出了一种间接检测流量的方法———称重法。该方法根据流体力学中孔口出流的基本原理,得出重量与流量之间的数学模型,然后通过检测到的重量计算流量。该流量检测系统已成功地应用于某冶炼厂的锌精馏过程。实际运行结果表明,该方法的精度达到1.5%,满足实际生产要求。     

P2P流量检测技术初探

首先对P2P应用作了简要介绍，然后介绍了目前主流的P2P流量检测技术并分析了这些技术的优缺点，较深入地探讨了国内外在P2P流量检测技术方面的发展现状及P2P流量检测技术的发展方向。最后，针对目前P2P流量检测技术方面碰到的难题，在充分利用现有流量检测技术优势的基础上，通过合理组合与优化，提出了一种新的解决方案。     

Chi-square统计技术在信息系统异常检测中的应用

描述了Chi-square统计技术的原理,设计了实现该技术的算法,并用Visual C++6.0编程环境实现。为了验证原理和算法的有效性,对UNIX和Windows XP两个系统中的数据进行了采样实验和比较,结果表明：如果以入侵情节为基本单位,本文算法能有效降低误报率和提高检测率。     

基于云计算的数据异常智能检测技术研究

针对传统数据异常智能检测技术无法实现检测率与误检率同步的问题,提出一种基于云计算的数据异常智能检测技术。该技术结合聚类分析算法,通过计算相似度实现异常数据与正常数据之间的分类,从而达到数据异常检测的目的,其过程如下:首先对待检测数据进行预处理,然后从预处理后的数据中提取代表性特性,接着计算待检测数据与数据特征之间的相似度,并按照相似度大小筛选出异常数据,最后进行异常数据响应,并进行相应处理。结果表明:与结合神经网络算法、深度学习算法、随机森林算法等传统数据异常检测技术相比,本技术在保证检测率的同时,降低了误检率,误检率分别降低0.19%,0.4%、0.53%。     

基于网络处理器的多维统计异常检测系统

基于网络处理器开发的网络设备能够很好地解决灵活性和高性能之间的矛盾.基于网络处理器IXP2400自身的特点,设计了多维异常检测系统.该系统可以有效地检测和防御DDOS攻击.根据TCP/IP协议簇,对数据包进行多维解析,统计以及异常标记.仿真和硬件实验的验证数据表明,该系统能准确无误地按照设计目标一一分解数据包,并标记出异常值,从而为后续的网络安全的研究和防御工作提供可靠的数据保证.     

智能网技术在未来通信系统中的发展

本文从智能网与位置服务系统的结合,智能网与因特网的综合,下一代网络中智能网技术的应用以及智能网在第三代移动通信系统中的应用等几个方面论述了智能网在未来通信系统中的发展方向。     

An intelligent intrusion detection system (IDS) for anomaly and misuse detection in computer networks

In this paper, we propose a novel Intrusion Detection System (IDS) architecture utilizing both anomaly and misuse detection approaches. This hybrid Intrusion Detection System architecture consists of an anomaly detection module, a misuse detection module and a decision support system combining the results of these two detection modules. The proposed anomaly detection module uses a Self-Organizing Map (SOM) structure to model normal behavior. Deviation from the normal behavior is classified as an attack. The proposed misuse detection module uses J.48 decision tree algorithm to classify various types of attacks. The principle interest of this work is to benchmark the performance of the proposed hybrid IDS architecture by using KDD Cup 99 Data Set, the benchmark dataset used by IDS researchers. A rule-based Decision Support System (DSS) is also developed for interpreting the results of both anomaly and misuse detection modules. Simulation results of both anomaly and misuse detection modules based on the KDD 99 Data Set are given. It is observed that the proposed hybrid approach gives better performance over individual approaches.     

神经网络在智能火灾预警系统的应用

提出了综合利用多种传感器准确判断火焰状态的算法.在神经网络算法下,根据一氧化碳传感器、烟雾传感器和温度传感器数据,对火焰状态进行分类.使用有限内存的拟牛顿(L-BFGS)优化算法对传统反向传播(BP)算法进行改进,加快了神经网络的收敛过程,有效提高了系统精度.实验验证了算法能够有效降低火灾预警系统的误报率,增强系统安全报警的灵敏度和可靠性,实现了实时有效的火灾预警.     

Deep SARSA-based reinforcement learning approach for anomaly network intrusion detection system

International Journal of Information Security - The growing evolution of cyber-attacks imposes a risk in network services. The search of new techniques is essential to detect and classify dangerous...     

分布式网络异常攻击检测模型仿真分析

针对传统的异常攻击检测方法主要以异常攻击行为规则与网络数据隶属度大小进行判别,只能针对已知异常攻击进行检测,对新型异常攻击,检测算法率低,计算数据量大的问题。提出一种新的分布式网络异常攻击检测方式,通过对分布式网络内数据进行迭代聚类将正常和异常数据进行分类,建立矩阵映射模型进行数据矩阵对比,初步对异常攻击数据进行判断。在矩阵中建立粒子密度函数,通过粒子密度变化计算其异常攻击概率,最后对其数据进行加权和波滤确定数据异常攻击特征,建立攻击检测模型。仿真实验表明,优化的分布式网络异常攻击检测模型提高了异常数据攻击检测的自适应性,在网络信号受到攻击信号干扰情况下,仍然能够准确检测出带有攻击特征的小网络异常数据。有效提高了分布式网络的检测正确率,加快了检测速度和稳定性。     

图像识别技术在智能导游系统中的应用

介绍了图像识别技术和分类算法的概念,结合旅游者信息和相关数据,将图像识别技术有效应用到智能导游系统中,给出了具体的实验数据以及特征计算方法。     

网络视频监控技术智能应用与发展趋势研究

网络视频监控技术,可以说已经在我们的生活里面随处可见,而且已经渐渐的为我们提供了太多的便利。但是如今的网络视频监控技术的智能化却不是所有人都熟知的,什么是智能网络视频监控技术,网络监控视频的智能化运用还有网络视频监控技术的未来发展有怎样的趋势,本文都做了一个简要的探讨,往对网络监控视频技术的发展有一些帮助。