数据挖掘在入侵检测中的应用

本文研究了数据挖掘在入侵检测领域中的应用,对一种关联规则Apriori算法进行了分析,并提出了一种改进的算法,实现了对审计日志等大量数据进行数据处理,可以在检测系统对各种攻击方法的本质了解较少时,从安全审计数据本身的数据中发现异常。     

浅谈预测地震的方法研究

过去的汶川地震所带来的阴影仍然在我们的脑中挥之不去,而其带给我们的伤痛也是永远都无法弥补的。对于这场在无预警状况下发生的浩劫,我们感到研究地震的预测预报,对我们人类进行防灾减灾有着重要的意义。本文根据相关文献,就地震预测的方法进行一番研究和阐述。     

应用地震地球化学方法对汶川8.0级地震中期预报成功的依据分析

本文对地震地球化学的基础原理作了一些简要的叙述,同时应用该方法对四川省汶川8.0级地震作了中期预报。预报的依据主要是从四川省鲜水河、安宁河及龙门山等几条地质构造带进行了地震水文地球化学观测研究,发现在龙门山地质构造带上及其邻近地区有高地热流值;并伴随着高氡值前兆变化、高氦值、高汞值及高锂值等深部逸出的化学元素指标,这些高值区恰好出现在以汶川为中心的地带,同时在这个地区经常有小地震发生,并具有垂直地形变的升降。因此,根据以上因素,我们曾预报在汶川地区存在着5级以上的强烈地震背景。在2008年5月12日汶川发生了8.0级强烈地震,验证了我们的中期预报是正确的、成功的,是有科学依据的。     

工业网络流量异常检测的概率主成分分析法

针对主成分分析(PCA)法用于工业测控网络流量异常检测时存在的误报率高的问题,提出了一种基于概率主成分分析(PPCA)的检测算法.首先通过分析误报成因,建立了工业测控网络流量矩阵的PPCA模型,然后使用迭代变分贝叶斯算法辨识该模型的参数,再利用模型参数估计值求解流量矩阵的秩的分布函数并得到秩的极大似然估计值,最后以秩的跃变状况为判据进行异常流量检测.模拟攻击实验表明,该方法使漏报率平均下降了32%,从而有效降低了PCA方法的误报率.     

多元时间序列模式异常研究

为了提高多元时间序列模式异常检测算法的有效性和合理性,在k-近邻局部异常检测算法的基础上,结合基于主元分析的多元时间序列的降维方法,对多元时间序列模式异常进行检测.实验结果验证了该算法对多元时间序列模式异常检测的准确性和有效性.     

凝汽器钛管外壁异常减薄的失效分析

根据现场调研及取样分析,对核电机组中发生钛管外壁异常减薄现象进行了失效分析.通过采用光学显微镜、三维体式显微镜、扫描电镜和能谱分析仪,对钛管的化学成分与显微组织,以及其表面磨损区域的宏微观形貌与微区成分进行了表征分析.发现钛管外壁异常减薄是由非均匀接触磨损和支撑板镗孔质量所引起,并提出了相应的预防措施和建议.     

如何提高异常电费信息处理速度

本文阐述了郑州供电公司电费管理工作中异常电费信息处理的工作模式,分析了异常电费信息处理面临的问题和困难,分享了郑州供电公司在电费核算管理方面进行的管理创新成果。     

海洋重力异常数据处理中小波阈值选择规则分析

分析了信号在小波Mallat算法条件下表现形式,采用小波阈值方法对经过小波变换后的重力异常信号的高频部分进行处理.分析了3种小波阈值选择规则,并将其应用到海浪波动等背景干扰因素引起的海洋重力异常畸变消除中.根据重力异常状态方程,采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则进行了海洋重力异常数据仿真处理.理论分析和仿真处理表明:采用通用阈值选择规则、最小最大准则阈值选择规则和无偏风险估计阈值选择规则都能在一定程度上消除海洋重力异常畸变,但在相同背景条件下,通用阈值选择规则和最小最大准则阈值选择规则的性能优于无偏风险估计阈值选择规则.     

基于粗糙集的多类人群异常行为识别算法

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法.该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果.结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升.     

面向车联网泛洪攻击的流量异常检测方法

为了有效检测车联网环境下的泛洪攻击,缓解泛洪攻击对车联网的不良影响,该文提出了面向车联网环境下针对泛洪攻击的轻量化流量异常检测方法。通过在路侧单元使用Hurst自相似参数估计方法计算车联网数据包流量的自相似变化曲线,检测流量异常变化,并上传异常时段的数据包信息到云端,云端统计各节点发送数据包情况,通过检测数据包大小异常变化来检测发起泛洪攻击的恶意节点。通过对车联网实际网络流量仿真计算结果表明,该流量异常检测方法能在低中高3种泛洪攻击强度下,有效检测出恶意节点。