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。     

无线局域网安全技术分析与改进

从加密、认证、密钥管理和入侵检测四个方面分析了无线局域网的安全技术.在加密、认证和密钥管理方面重点分析了最新的无线局域网协议标准802.11i,并介绍了中国的无线局域网协议标准WAPI.在入侵防御方面分析了现有的主要入侵方法,并提出了无线局域网的入侵检测框架.     

分组交换中基于权值动态补偿的公平调度算法

针对WFQ(Weighted Fair Queueing)和WF2Q(Worst-case Fair Weighted Fair Queueing)对某些会话欠公平的问题,通过GPS(Generalized Procesor Sharing)公平性的定义,在保证长期公平性的前提下引入了补偿模型,以优化短期公平性,提出一种新的基于权值动态补偿的分组公平调度算法CWFQ(Compensation-basedWeighted Fair Qair Queueing).该算法在考虑虚拟时间标签的选择条件下加入了最小化公平度量因子约束,记录已经服务的服务量,按会话权值有比例地对参照GPS系统的权值进行微调,使CWFQ的短期公平性得到优化.而且通过模拟调度和定理证明发现,新算法能够对会话的延迟和吞吐量提供与GPS近似的性能保证.     

一种新的可信修复网络模型及其实现

为解决目前缺乏一种可行的可信修复网络框架问题,提出了一种新的、可行性强的可信修复网络模型,详细说明了该模型提供的功能和工作流程,着重阐明了可信修复网络的通讯机制和认证方法.仿真实验表明,该框架在保证网络系统安全性和可信性的同时,实现了为不满足可信网络安全策略的终端用户提供及时可靠的修复服务.     

第5届并行与分布式处理及应用国际会议

第5届并行与分布式处理及应用国际会议（The Fifth International Symposium on Parallel and Distributed Processing and Applications（ISPA07），http：／www.cs．manitoba．ca／ispa07）于2007年8月29-31日在加拿大Niagara Falls召开。     

基于基本可编程单元主动网络体系结构的设计

通过分析传统网络体系结构的特点和不足, 以及主动网络体系结构的一般模型和数据处理过程, 提出以按需索取为分配方式的主动网络体系结构. 该体系结构以独立的功能块（如协议和算法等）为基本可编程单元, 实现了安全性, 同时与传统网络很好地互联.      

新世纪软件工程人才的培养体系

在分析计算机软件教育现状的基础上, 根据试办示范性软件学院软件人才培养的需求, 提出了适应21世纪国家软件产业发展需要的人才培养目标, 探索并实践了2+2和0+4以及与国外大学和知名软件企业合作办学等教学模式, 提出符合培养有特色的新型软件人才课程体系的基本原则和策略.     

IEEE 802.11e HCCA的仿真及其接纳控制研究

基于IEEE 802.11e标准,充分考虑混合式协调功能控制信道访问机制(Hybrid Coordination Function Controlled Channel Access,HCCA)的QoS(Quality of service)参数,提出一个HCCA软件模拟架构;根据此架构,利用NS2网络仿真工具搭建一个功能完整且易于实施的HCCA平台,并结合资源预留方案对平台的有效性和合理性进行仿真验证.     

基于习惯的人类动力学建模

定量地理解人类行为是现代科学的中心议题之一, 但由于人类行为的复杂性, 其规律是难以发掘的. 当前使用的人类动力学模型都假设人类行为发生的时间是随机分布的. 为更好地解释人类行为中的阵发性与重尾特征, 基于习惯的人类动力学模型通过结合考虑排队模型与人类行为特有的习惯特征, 根据事件已发生的次数与稳定程度调整分布参数, 使用正态分布模拟连续事件发生的间隔时间, 并利用随机参数模拟现实中随机出现的打断人类习惯行为的突发事件, 进一步通过考虑事件发生的持续时间, 以模拟人类对事件持续关注的现象.     

基于动态分类算法的入侵检测系统

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明,动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右。