基于SOINN的在线物联网设备识别方法

针对传统设备识别方法存在模型动态更新困难、训练数据不足和运算存储开销大等问题,提出了一种基于自组织增量学习神经网络(SOINN)的在线物联网设备识别方法.首先,设计了基于交互页面DOM树的设备品牌特征,具有特征易提取、特征维度小和覆盖设备广等优点.结合SOINN和SVM构建增量式监督学习方法SOINN-SVM,实现设备品牌分类器的增量学习,避免反复使用完整数据集训练分类模型,加快模型更新速度.然后利用TF-IDF技术优化正则匹配结果,给予型号字段高权重值.结合Jaro距离与权重值计算待识别设备与型号特征库的匹配度,实现设备型号识别.实验结果表明:该方法的设备识别准确率为95.9％,与其他方法相比能多识别出37.05％的设备;该方法可以动态更新分类模型,同时降低了计算存储开销.     

FIFS:一种基于流序列的分组流识别方法

为了在高速网络中实时、准确地识别多种协议产生的分组流,首先分析现有的识别方法,然后从应用协议有限状态机角度出发,提出使用完美有限状态机统一描述不同识别方法的思想。在此基础上,提出了基于流序列的分组流识别方法,利用协议有限状态机中状态变化特征识别特定协议产生的分组流,并提出了一个状态特征聚合算法,以构造协议状态特征集合。通过识别基于UDP的Skype语音流,说明此方法的可行性和有效性。     

基于二阶段多分类的物联网设备识别算法

物联网让万物互联互通,为了避免恶意设备对网络系统的破坏,必须采取有效的访问控制。通过提取网络流量特征作为设备指纹进行设备识别,只需耗费较少网络资源,成为了当前最有效的设备识别方法。然而,现有的设备识别算法准确率不高,尤其对于相似的两种设备,往往会出现分类重叠问题。该文提出了一种基于流量特征的二阶段多分类设备识别算法。当出现分类重叠问题时,即采用最大相似度比较算法进行二次分类。实验结果表明,该算法的平均识别准确率达到了93.2%。     

IP报文分类识别中的神经网络集成技术研究

Intemet网络应用的发展要求路由器支持服务质量（QoS）控制,一个公共的要求是路由器能够基于报文头的某些字段对报文进行分类。本文针对IP报文分类提出了一种结合IP报文头特征和多级神经网络集成技术的IP报文分类识别方法。并在此基础上给出了相应的算法。     

IP报文分类识别中的神经网络集成技术研究

Internet网络应用的发展要求路由器支持服务质量(QoS)控制,一个公共的要求是路由器能够基于报文头的某些字段对报文进行分类.本文针对IP报文分类提出了一种结合IP报文头特征和多级神经网络集成技术的IP报文分类识别方法.并在此基础上给出了相应的算法.     

物联网终端智能识别系统设计与实现

终端智能识别是物联网应用的关键技术,是物联网安全体系构建的基础。针对物联网终端智能识别问题,建立了一种以设备指纹为动态特征标识的物联网终端智能识别实验系统。该系统由终端检测模块、模型训练模块以及智能识别模块构成,其中,终端检测模块利用Nmap工具扫描并自动采集设备指纹;模型训练模块分别利用决策树、逻辑回归与朴素贝叶斯等机器学习算法训练分类器;智能识别模块接收识别任务并调用前2模块完成设备指纹采集与分类识别处理。实验结果表明,决策树分类器在整体数据集上的平均识别率为98.1%,对于是否是物联网设备的判断识别率为98.7%,对于具体设备类型的识别率为98.2%,均保持较高识别水准,且优于其余2种算法识别器。因此,采用设备指纹与决策树算法结合识别物联网设备是可行的。     

太古界潜山地层岩性识别方法

基于岩心分析的太古界潜山地层岩性测井识别方法,从常规测井曲线的响应特征出发,对不同测井响应类型的地层进行旋转井壁取心,用岩心鉴定结果标定不同的测井响应特征,建立岩性与测井响应的对应关系,在岩石学分类的基础上,对矿物成份相近,测井响应特征接近的岩性进行归类,利用测井资料曲线特征、交会图技术以及自动识别技术准确识别太古界潜山岩性的目的。     

基于隐性标识符的零权限Android智能终端识别

针对现有Android智能终端识别直接利用IMEI,Android_ID等显性标识符存在依赖敏感权限和易失效的问题,提出了一种基于隐性标识符组合的零权限设备识别方法.通过调用系统API并执行Linux Shell命令,从物理层、应用层以及用户层3个层次上获取设备型号、屏幕信息、内核编译信息、User Agent、系统语言、字体大小、字体列表、用户安装程序列表等8个隐性标识符,并将其组合形成设备指纹.然后,提出了指纹精确匹配算法和变化指纹关联匹配算法,用于仅1个隐性标识符发生变化且变化前后相似程度大于0.85时的设备关联识别.通过采集真实用户数据进行实验验证,结果表明所提算法的设备识别准确率达到94.52%.     

中文文本中评价对象省略识别方法

为了研究中文情感文本中评价对象省略现象的识别方法, 将评价对象省略识别建模为一个二元分类问题, 利用机器学习算法进行自动学习。探讨当前句位置无关特征、当前句位置相关特征和上下文相关特征对评价对象省略识别的作用。3个不同领域的实验结果表明, 新提出的基于机器学习的评价对象省略识别方法能够获得较好的识别效果。     

利用统计特征的网络应用协议识别方法

在网络流统计特征的基础上,提出了一种应用协议识别算法.根据网络流概念,在网络层建立应用协议特征的描述方法,并采用数据量、数据包、时间3种属性全面地描述网络协议的特征.采用主成分分析方法来确定网络流特征属性的主要成分,以减少环境因素的影响.结合BP神经网络算法建立的网络协议识别模型,其网络特征具有良好的持久性和稳定性,模型分类结果也不易受网络环境的影响.真实网络环境下的实验结果显示,所提方法能够准确识别目前网络中常用的应用协议,包括HTTP、FTP、BitTorrent及TELNET,识别准确率达到了97%以上.     

HTTP网络应用特征串的自动提取

网络应用特征串的提取是网络流量分类中深度包检测(DPI)系统至关重要的一环.文中提出一种自动提取不同的HTrP网络应用(如网络视频、网络游戏、SNS等)的特征串的方法.该方法先对HTrP网络应用的全报文数据进行组流分析,然后通过一个基于Hash表的算法提取出频繁出现的字符串,最后通过建立HTTP应用共性特征库,对频繁串...     

基于子动作特征矩阵与DTW算法的手臂动作识别方法

为了建立助残手控制与手臂运动之间的联系,结合惯性测量单元,提出了一种基于子动作特征矩阵和动态时间规整(DTW)算法的手臂动作识别方法.首先建立手臂连杆运动模型,使用正向运动学理论解算出手臂末端的空间位置;接着分析了手臂末端角速度、空间位置变化,发现连续的手臂动作可根据动作的活跃程度拆解为若干子动作,并构造子动作特征矩阵;最后采用基于子动作特征矩阵的DTW算法,对6种生活中常见的手臂动作进行分类识别.实验结果表明,与传统基于时间序列的DTW动作识别方法相比,基于子动作特征矩阵的方法识别准确率由96.9％提高至99.4％,识别耗时减少到0.1 s之内,更具实用价值.     

特征组合的中文音乐情感识别研究

音乐情感识别是音乐检索的一个重要组成部分.基于音乐声学特征分析,尝试提取代表音乐声学特性的时域、频域、倒谱域的各种特征,并利用支持向量机(support vector machine,简称SVM)算法对中文音频进行情感分类,以研究不同特征组合在音乐情感分类上的效果.通过对比各种不同特征组合的音乐情感识别效果,发现由4个时域特征、频谱、幅度谱和相位谱组成的音乐特征对中文音乐情感分类的效果良好.     

基于手机多源传感器的室内火灾行人行为识别

针对室内火灾情境下人员安全的有效监控问题,提出了一种基于手机多源传感器的室内火灾行人细粒度行为识别与匹配方法.借助手机内置多源传感器完成对行人当前表征行为特征的数据采集,在异常子序列探测后提取行为特征向量,利用基于关键点序列的动态时间规整(Key-DTW)算法或者相应训练成型的分类模型分别对特征各异的行为进行匹配、理解;并对不同传感器组合方式和不同设备位置的识别能力进行比较;最后,综合识别结果进而分析行人当前生理、心理、位置状态,为室内应急救援工作提供决策信息.经模拟试验验证,该方法不仅能够对行人应激性细粒度行为有较高的识别准确率,对于持久性的动作也有着很高的匹配精确性和效率.     

无人艇视觉系统多类水面目标特征提取与识别

针对海浪、海雾会造成无人艇视觉系统采集的视频图像模糊,影响目标特征提取和识别,且单一特征提取不能有效识别水面多类目标问题,在对无人艇采集的视频序列图像进行海雾去除和电子稳像预处理的基础上,提出一种多类水面目标组合特征提取和识别方法。首先分割清晰化后的图像,实现目标背景分离;然后提取不同目标几何特征、不变矩特征和纹理特征;最后采用基于组合特征和主分量分析降维的分级BP神经网络进行目标识别。通过实测、网络搜索和3D建模获得礁石、岛屿与船只3大类目标样本库,在MATLAB7.9下进行仿真研究,结果表明:多类水面目标组合特征提取和识别方法能有效实现无人艇视觉系统对海面3大类常见目标的分类识别,识别正确率达到85%以上。     

基于快速神经网络的HTTP僵尸网络检测算法

僵尸网络已成为目前互联网安全所面临的严重威胁之一.经过10余年发展,僵尸网络已从使用传统的IRC协议向HTTP协议进行转变,给检测及防御等方面造成了诸多困难.通过分析基于HTTP协议僵尸网络所产生流量,在得出相关TCP协议统计信息、僵尸活动的间隔时间等特征的基础上,提出将快速学习神经网络模型(Extreme Learning Machine,ELM)用于识别和检测HTTP僵尸网络.实验表明,该方法能有效从网络流量中检测出BlackEnergry,Bobax等HTTP僵尸网络.与决策树C4.5、SVM算法及传统的BP算法相比较,该方法具有较高的识别率和较低的误报率.     

基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前，仍然以人工识别的实验方法作为主要方法，普遍存在主观性强、周期长、成本高等典型问题。为此，提出了一种基于色彩空间和深度残差网络ResNet-50的智能分类及识别方法。首先，以7种不同岩性的岩石图片为样本，提取样本的RGB颜色特征，应用无监督K-means聚类算法，按颜色分为3个大类，再通过有监督精细KNN算法对颜色类别进行验证，分类精度均超到98%。然后，对于不同颜色类别下的岩石样本，利用深度残差网络ResNet-50进行分类识别。结果表明，不同颜色类别的岩石样本识别精度平均值为88.21%。     

基于SAT-GCN的花样滑冰选手动作检测算法研究

针对花样滑冰运动人体运动轨迹复杂、动作类型多样、普通人肉眼难以区分且常规的行为识别方法识别准确率低的问题，提出了一种基于时空图卷积网络与多通道注意力机制融合方法 (SAT-GCN)的花样滑冰动作识别算法。该算法首先将视频提取成连续的单独帧，使用OpenPose算法提取人体骨骼关键点数据，降低背景噪声干扰；然后使用时空图卷积算法对骨骼关键点数据进行动作分类。算法对时空图卷积算法进行改进，加入了多通道时空注意力机制融合模块，使得模型更加关注重要的关键点、时间帧片段、特征；使用时序卷积网络(TCN)提取人体骨架关键点在时间序列上的特征；使用SoftMax对提取后的特征进行动作分类。在花样滑冰数据集FSD-10和公开的人类行为数据集Kinetics-Skeleton上进行训练和测试，与改进前的时空图卷积网络(ST-GCN)进行对比，本文所提算法的预测准确率在2个数据集上均有所提升，验证了多通道注意力机制融合方法在花样滑冰选手动作检测任务中的有效性。     

HTTPS通信流截获解析系统的设计与实现

针对安全传输协议中存在的如SSL和TLS虽然可以保障通信内容的机密性,但无法完全隐藏传输数据长度、通信的持续时间以及通信的频度等信息的问题,提出一种新的方法,即利用HTTPS通信流报文的首部信息,解析并重构出与用户浏览序列对应的页面"指纹"序列;在分析SSL和HTTP通信行为的基础上,给出了基于最大包长度以及时间阈值对HTTPS通信流报文进行解析重组获取页面"指纹"序列的"指纹"序列抽取算法.在此基础上,对HTTPS通信流截获解析系统即HTCPS进行总体设计.实验结果表明,该方法不但能够时HTTPS通信流进行解析,并且能重构出页面"指纹"序列.     

基于多传感器融合的越野环境路面信息识别

为实现精准的越野环境路面信息识别，文中提出了一种基于多传感器信息融合的路面信息识别方法.首先，针对车辆簧下振动加速度信号设计了特征提取算法，通过双线性池化方法融合加速度特征与图像+深度特征，以实现对越野路面类型的多维度特征融合与识别.然后，为提高越野路面可通行区域检测效果，引入迁移学习方法，将越野场景路面类型识别模型中路面特征提取的共性知识向通行区域分割模型进行迁移.在真实越野环境数据集下对模型进行训练与测试，测试结果表明文中提出的识别方法不仅在越野场景路面类型识别任务上获得了98.65%的平均分类准确率，而且引入先验知识可明显提升通行区域检测效果.