基于信息融合的网络安全态势感知模型

在分析已有的安全态势评估和预测方法的基础上,提出了基于信息融合的网络安全态势感知模型.该模型采用D-S证据理论对多源网络安全数据进行融合,计算漏洞、服务、主机、网络的安全态势值.同时根据历史安全态势评估结果,利用支持向量回归理论对未来态势进行预测.相比已有的安全态势评估和预测方法,该模型的结构更加完整,结果更为准确有效.     

基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究

本文介绍了一种基于Dempster-shafer(D-S)证据理论的多源信息融合理论在系留气球缆绳故障诊断中的应用方法。分析介绍了D-S方法的基本理论、基本概率分配函数(BPA)的获取途径、组合法则和决策方法等。通过实例分析表明,该方法的应用可以大大降低原来只靠单个传感器判断的局限性和不确定性,给系留气球系统缆绳故障的判断提供了一种新的解决思路。     

结合Dempster-Shafer证据理论与循环神经网络的网络安全态势预测

针对传统的模糊评价系统存在评价冲突和主观偏差,造成网络安全态势预测出现精度和鲁棒性较低等问题,提出一种结合Dempster-Shafer(D-S)证据理论与循环神经网络的网络安全态势预测算法;首先以专家评价为基础构建网络安全的系统角色,由三角模糊函数获取专家评估指标;然后引入D-S证据理论进行评估指标的筛选、推理和校正,构建网络安全态势损失矩阵和可能性矩阵;最后,以损失矩阵和可能性矩阵为特征输入至循环神经网络中,获取网络安全态势预测结果。仿真实验结果表明,D-S证据理论有效地解决了评价冲突和主观偏差问题,循环神经网络使得网络安全态势预测结果的精度和鲁棒性都得到了提升。     

冲突证据的D-S改进算法在容量评估中的应用

为了准确地评估机场容量,考虑评估中证据冲突时D-S证据理论的完备性,提出了一种新的证据组合方法,并引入到动态容量评估中。该方法不改变D-S证据理论的融合规则,引入证据可信度的概念。基于证据间存在的相容性及排斥性,把证据分为可信部分和不可信部分并分别进行数据处理,运用D-S证据理论融合数据。由此建立基于处理冲突证据的D-S改进算法机场动态容量预测模型,并将该模型应用在国内某机场的动态容量预测过程中进行验证。实验结果表明:该方法可以有效处理容量评估过程中的冲突证据,优化后的可信度提高了0.166 9,降低了评估过程中的主观性和空中交通管理决策的风险。     

基于信息融合的风电机组齿轮箱轴承故障诊断

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法。首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果。研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号。     

基于Petri网与D-S证据理论的电力系统故障诊断

针对电力系统继电保护故障,利用概率Petri网对电力系统进行建模,获取有效的故障信息,并运用DS(Dempster-Shafer)证据理论对信息进行融合,得出诊断结果.针对传统D-S证据理论在处理冲突证据时会存在结果与源证据相悖的问题,在加权平均法的基础上提出一种改进的融合方法,根据各个证据到平均证据的距离与证据权重大小成反比的关系,计算每个证据的权重,再进行加权平均,最后利用D-S组合规则进行迭代计算.与传统方法相比,本文方法拥有更好的融合效果和更高的效率.仿真结果验证了改进方法的有效性.     

基于多源融合的网络安全态势感知模型

为解决多阶段网络安全态势感知的多源融合与态势评估问题,建立了基于多源融合的网络安全态势感知模型。以模型为指导,利用粒子群算法实现D-S证据融合中的权值寻优,降低融合的不确定性。结合对威胁因子和威胁等级函数关系的推演,提出了面向攻击轨迹的层次化态势评估方法,实现攻击阶段、攻击轨迹和网络3个层次的威胁评估。仿真实验表明,提出的模型和方法是有效的和准确的,能够感知网络安全态势动态演化情况,为监控和管理网络提供了新的方法和手段。     

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论--开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.     

证据理论在飞机电气系统性能评审中的应用

介绍了民用飞机电气系统性能评审的现况,分析了飞机电气系统性能评审的特点,引入D-S证据理论,建立了基于D-S证据理论的飞机电气系统性能评审模型.电气系统评审模型用基本信任函数表达根据专家经验和知识所得出证据的不确定性,然后再利用D-S证据理论合成规则得出多批证据联合作用的结果,提高了评审决策的科学性.     

鲁棒性证据理论的煤层底板突水预测

为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立了一种煤层底板突水预测模型,实验结果表明:所提出的基于鲁棒性证据理论的突水预测模型较已有的基于D-S证据理论的突水预测模型预测结果准确率相对更高,效果更好.     

基于信息融合技术的电网故障诊断方法

利用采样数据间的相互关系,以电网元件相关先验概率为基础,通过D-S(Dempster-Shafer)证据理论对检测的故障信息进行融合,获取缺失数据发生的概率;同时,将概率的概念引入Petri网建模,将获取的状态概率值代人概率Petri网故障诊断模型进行故障的诊断,以解决电网故障诊断过程中的信息不完备问题.实例证明,该方法可扩充电网故障的诊断范围.保障电力系统安全运行.     

基于态势感知的车联网安全风险评估方法

为科学系统地对车联网安全风险进行评估,构建完善坚强的车联网安全保障体系,本文基于态势感知技术,创新性地提出针对车联网安全风险进行全局性评估的方法,通过态势要素获取,构建包含3个层次18个指标的车联网安全风险评估指标体系,通过指数标度层次分析法,建立车联网安全风险评估模型,对车联网安全态势进行理解分析,最后通过算例证明了提出的评估方法的有效性。结果表明：将态势感知技术应用于评估时刻处在高速变化环境中的车联网的安全风险,能够全局性、动态地描述车联网当前所处状态、评估风险;基于指数标度的层次分析法用于构建车联网安全风险评估模型能够更加真实有效地反映车联网当前状态下的风险情况;实例计算结果表明,本文提出的安全风险评估方法的评估结果准确有效,应用范围广泛。     

基于证据理论和Vague集的目标识别研究

提出了一种基于D-S证据理论和区间Vague集合的多传感器数据融合算法。D-S证据理论是一种灵活处理不确定和不完全信息的数学方法;而Vague集采用区间测度,可以同时表达对目标支持和反对两方面的信息;而且允许检测信息存在一定的不确定性。将D-S证据理论和Vague集结合,提出一种多传感器数据融合方法。仿真结果表明方法具有可行性,并具有处理目标检测信息不确定性的特点。     

基于信息融合的船舶中央冷却系统运行状态评估

为解决船舶综合监控系统中海量无序数据信息的有效利用问题,以中央冷却系统为研究对象,提出D-S证据理论结合粗糙集的信息融合方法对系统运行中的故障隐患状态进行识别.分别定义了等价属性和证据决策系数的概念,给出快速约简方法及基于证据信任度的证据合成方法,明确了证据基本可信度分配的求解过程.基于实际船舶典型状态数据的测试评估结果表明,所得结论与基于先验知识的判断基本一致,验证了所提方法对系统隐患故障状态评估的有效性.     

RS UM信息系统安全保障评估模型

以GB/T20274信息系统安全保障评估框架为基础,介绍了信息系统安全保障模型及其评估指标体系,给出了评估方法的形式化描述和评估流程,提出了一种基于粗糙集（rough set,RS）和未确知测度（unascertained measure,UM）理论的信息安全评估模型。在标准处理阶段,模型采用粗糙集理论获取关键指标,简化评估指标体系;在综合评估阶段,采用未确知测度模型分析客观数据,实现了对信息系统安全保障能力的定量化综合评价。     

云计算模式下服务器抗毁性能研究

云计算下服务器的异构性,由于在于云计算环境下服务器的设计规则较多,无法建立统一的标准的抗毁性评估标准,本文提出基于服务器容量的云计算下的服务器抗毁性估计方法。根据服务器的容量与权重的关系建立服务器的非线性负载容量模型;在进行服务器抗毁性估计的过程中,根据服务器抗毁性的估计结果,通过调节服务器容量的方法能够使服务器的抗毁性保持最优。     

一种基于证据焦元距离的权重计算方法

针对经典的D-S合成方法常会出现与实际相悖的不足,该文提出了一种考虑焦元交互影响的权重合成方法.该方法结合香农熵的思想定义了新的焦元距离测度,基于新距离定义各证据间的权重,然后根据权重对原始证据函数进行修正,降低异常证据的重要性,再利用D-S规则进行证据合成.数值分析说明:这一方法可排除干扰性信息,降低冲突,合成结果优于其他经典的计算方法,为D-S证据理论提供一种有效的计算方法.     

基于多智能体的多维证据动态信任计算模型

信任度评估是基于行为的信任管理模型关注的核心内容。为使信任度评估所依据的证据源完备,运用信任管理思想方法,提出一种基于多维证据的信任度评估模型,该模型将主体网络操作行为层面的信息引入传统仅考虑交易反馈信息的信任度评估模型,基于交易反馈和网络操作行为两个层面的多维证据源进行信任计算,扩展了证据源,突破了只依据单一种类证据源进行信任评估而引起的缺陷;另外,应用改进的D-S证据理论来合成多维证据,较好地解决了证据不确定性的问题。     

基于证据距离和模糊熵的加权证据融合新方法

证据的不确定性从根本上影响到融合结果,目前证据理论中还没有完善的不确定性度量方法。针对D-S证据理论在合成高冲突证据时会得到有悖常理的结果的问题,许多学者提出了修正证据源的改进方法,但是这些方法大多没有考虑到证据的不确定性问题。模糊熵方法是一种非常有效的模糊性(不确定性)的测度方法。考虑到证据的不确定性,本文提出一种新的基于证据距离和模糊熵的加权证据融合方法,该方法利用模糊熵方法计算各个证据的不确定度系数,修正基于证据距离的各证据源的权重,得到各证据源的综合权重。实验结果证明了本文方法的有效性。     

基于振动时频图像和D-S证据理论的内燃机故障诊断

为抑制循环波动性对内燃机故障诊断结果的影响,引入D-S证据理论,提出一种基于内燃机振动时频图像、局部非负矩阵分解、BP神经网络和D-S证据理论的内燃机故障诊断新方法。首先采用平滑伪魏格纳分布(SPWVD)方法对8种不同气门状态的缸盖振动信号进行分析得到振动时频图像,然后用局部非负矩阵分解(LNMF)方法提取时频图像的特征参数并组成训练集和测试集,用得到的训练集对BP神经网络进行训练,再把测试集输入到训练好的BP神经网络,将输出的结果转化为基本概率赋值,用Deng加权平均证据合成规则对同种状态下不同图像的证据进行合成,并利用合成后的结果进行诊断分类。实例分析结果表明,基于振动时频图像和D-S证据理论的内燃机故障诊断方法可以有效抑制内燃机循环波动性对诊断结果的影响,能够准确诊断不同类型的气门故障。