具有预测功能的规划识别算法研究

对规划识别中各种事件之间的关系进行了详尽的分析,根据分析结果,给出了具有预测功能的规划识别算法的知识图和规划识别算法,新的规划识别算法采用了自下而上和自上而下相结合生成解图的方法,对Kautz方法、基于规划知识图的方法和具有预测功能的规划识别算法在知识表示结构、搜索方法、冲突解决和求解结果等方面进行了对比和讨论.最后给出了实验结果,结果显示随着领域知识的增加识别算法所需的时间线性增加.     

基于应对规划的入侵防护系统设计与研究

把应对规划引入到入侵防护系统中,提出了一种基于应对规划的入侵防护模型.在分析规划识别在入侵检测中的应用的基础上,通过把规划识别应用于入侵检测和智能规划用于入侵响应,提出了一种有机结合入侵检测和响应的入侵防护系统,并对该系统的系统架构、应用方案、技术特色等进行了深入的研究.新的入侵防护系统具有知识共享性、响应针对性、学习自主性和防护立体性等优点.     

敌意规划模型在分布式入侵检测中的设计与研究

本文根据敌意规划理论的自身特点将其与分布式入侵检测技术相结合,通过设计敌意规划模型(Adversarial Planning Model)APM,应用模糊集合理论,建立模糊性知识启发式算法,将入侵检测和实时响应分布化,真正实现分布式入侵检测环境下恶意训练或行为的识别与应对。     

基于GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

基于特征约束的弹道导弹目标识别任务规划

针对弹道目标识别任务规划问题,提出一种基于特征约束的识别任务规划方法.首先结合整个反导过程,梳理了不同阶段识别需求与装备探测资源;其次按照卫星和雷达两类装备,分别提出装备与特征运用的约束条件,为识别任务规划提供输入条件;在此基础上,提出新的识别任务规划方法,并给出具体步骤;最后结合典型作战场景进行识别任务规划,进一步验证了该方法的可行性和正确性.研究结果表明:任务规划结果详细给出了装备与识别特征的有效作用时间,能够满足弹道导弹目标识别的实时性要求.     

规划识别模型在特定入侵检测问题中的研究

本文在敌意规划识别模型形式化理论研究的基础上,在封闭的虚拟状态下针对于特定的攻击事件进行了必要的检测。从中发现。本文中所提出的规划识别模型能够在入侵行为发生之前就识别和响应入侵。     

可能性规划表示与求解

利用可能性理论提出了一种基于PDDL（planning domain definition language）的可能性规划表示方法——Poss-PDDL,给出了基于可能性理论框架下的定性决策理论和图规划算法的可能性规划求解方法——可能性图规划,设计并开发了可能性规划问题求解器Poss-Graphplan.PDDL是国际规划器大赛的标准域定义语言,这使得Poss-PDDL更具通用性和标准性.由于用可能性理论表示动作效果和状态的不确定性更具优势,因此Poss-Graphplan更适用于解决那些概率模型无法解决或者很难获得概率信息的不确定规划问题.可以证明,应用可能性图规划方法求解可能性规划问题得到的规划解是最优的.实验结果表明,可能性图规划方法在问题求解能力和速度上的表现都较为突出.     

入侵检测的规划识别模型研究

将AI领域中的规划概念引入入侵检测,建立了入侵检测的规划识别模型,采用因果告警关联分析和贝叶斯网推理模型实现规划识别,以找回因入侵检测自身的检测策略不足和网络覆盖范围漏洞而丢失的关键告警,重新构建了实际的攻击场景,并能预测攻击者的下一步行为或攻击意图,从而起到了提前预警的作用．     

基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

基于演化规划的入侵检测规则挖掘算法

本文将演化规划应用于入侵检测规则自动提取,利用演化规划灵活的个体表示得到自然描述的规则,使规则易于理解,利用演化规划全局寻优的能力得到较好的入侵检测规则,从而降低误报率和漏报率.文中改进了适应度函数,最后给出了实验结果,并与其它文献的同类实验结果进行了比较,证明了改进演化规划的有效性和先进性.     

基于地址关联图的分布式IDS报警关联算法

当前入侵检测系统产生的报警洪流往往使管理员无法处理,大大降低了IDS系统的有效性. 对原始报警事件的关联分析可以从大量报警中提取出有效的攻击事件;分析攻击者的真正意图,对大规模分布式入侵检测系统有重要意义. 为此综合分析了现有报警关联算法的优点和不足,提出了一种基于地址关联图(ACG)的报警关联算法. 该算法用地址关联图模型对分布式IDS原始报警事件进行分析,以得到不同攻击之间的关联和发生步骤,得到攻击者的攻击路径,进而分析攻击者的意图. 该算法无需提前制定关联知识库或提前训练关联模型,因此易于实现.     

基于智能规划的计划识别方法研究

基于智能规划领域中机器人动作规划的思想,从智能规划的角度考虑计划识别的求解.利用规划间的支持程度描述多agent之间的不确定性关系,并利用目标编群的思想描述多agent行动之间的协作关系,建立了面向多agent的计划识别模型.最后以一个实例来说明采用智能规划进行计划识别的过程,表明了使用该方法求解计划识别问题的可行性.     

基于转向限制的改进双向启发式最短路径算法

针对考虑转向限制的单源点单汇点最短路径问题,根据动态对偶图思想,建立道路交通网络对偶图,提出了基于存储对偶图节点的双邻接表存储地图数据;改进传统的A*算法,提出了基于可搜索无限邻域的双向启发式算法。该算法选用基于OSP的地图作为实验数据进行路径规划,并运用于基于SLAM算法的车型机器人上进行实验。结果表明该算法可在栅格地图上找到符合实际交通规则的更优可行路径,效率也可满足路径规划要求。     

基于关联规则的入侵检测系统

为提高入侵检测系统的智能性、准确性和检测效率,针对入侵检测系统的特点,将数据挖掘技术应用于入侵检测系统。阐述了使用关联规则及其优化算法,对日志文件进行特征分析与知识发掘的入侵检测系统的设计与实现。实验表明,优化后的算法在对某一日志文件的入侵检测中,准确率平均提高45%,检测效率平均提高50%,大大增强了入侵检测系统的性能。     

基于智能规划的计划识别方法研究

基于智能规划领域中机器人动作规划的思想,从智能规划的角度考虑计划识别的求解。利用规划间的支持程度描述多agent之间的不确定性关系,并利用目标编群的思想描述多agent行动之间的协作关系,建立了面向多agent的计划识别模型。最后以一个实例来说明采用智能规划进行计划识别的过程,表明了使用该方法求解计划识别问题的可行性。     

基于LM-BP神经网络的入侵检测系统的研究

针对传统BP神经网络存在收敛速度慢、易陷入局部最小点、计算量大的不足,提出一种结合Levenberg—Marquardt优化算法的BP神经网络,并应用在一个误用入侵检测系统。实验结果表明,新系统结合了异常检测和误用检测两者的优势,快速检测新型入侵,降低误警率和漏警率。     

具有学习机制的分布式入侵检测系统研究

在对现有入侵检测研究的相关工作进行了总结的基础上,构建了一个基于Multi-agent的分布式入侵检测模型(distributedintrusiondetectionmodelbasedonmulti-agent,DIDMMA).该模型使用Agent技术,中间件技术搭建系统平台,并提供了基于主机和基于网络的入侵检测组件接口,能够确保系统中不同种类的Agent之间的协作顺利完成.