Ad Hoc网络中基于模拟退火-蚁群算法的QoS路由发现方法

针对Ad Hoc网络的动态网络环境和链路、节点性能限制等不利因素，提出了一种新的QoS路由发现方法——SAANT．该方法利用蚁群算法增加了发现可用QoS路由的概率，利用基于概率的路由转发策略来减少洪泛造成的网络开销，从而强化所提算法的全局搜索能力和自适应性，减小了洪泛对Ad Hoc网络性能的影响．所提方法还利用模拟退火算法调整路由发现算法的搜索方向，以弥补蚂蚁算法收敛速度上的弱点，减少了搜索过程中的停滞现象．在包投递成功率、平均包延迟和吞吐量等方面，通过仿真实验对SAANT、仅基于蚁群算法的QoS路由算法和传统的按需路由算法的方法进行了性能比较，结果表明，在Ad Hoc网络环境下，SAANT的收敛速度、移动性能和网络负载性能均表现出更好的适应性．     

异构网络环境中的自适应在线故障检测

通过研究网络流量异常检测，提出一种新的基于自适应自回归(AAR)模型的在线故障检测算法．该算法只利用标准管理信息库，因此检测不依赖于特定产品类别，适用于异构网络环境．验证了流量信号的非平稳特性，并采用模拟获取的网络流量拟合AAR模型．由于不必将整个时间序列进行分片和单独拟合，算法可以直接处理获取的新数据，实现真正意义上的在线故障检测．利用时间平均方法消除了网络噪声的影响．在实验中，故障检测结果与预设的故障场景完全对应，进一步证明了该算法的准确性．     

网络入侵检测系统的拒绝服务攻击的检测与防御

针对网络入侵检测系统的拒绝服务攻击(DOS)具有难于检测与防御的特点，提出了一种新颖的检测与防御算法。该算法通过分析告警的频率与分散度来检测DOS攻击，并采用分阶段切换的方式将状态检测由正常模式转为紧急模式，丢弃不属于正常TCP会话的数据包，以实现对DOS的防御。性能分析和实验结果表明，该算法能够及时发现、防御DOS攻击，有效地阻止DOS攻击所造成的系统破坏。     

网络信息审计系统中的文本片断模糊分类算法

分析了分段对文本分类的影响,提出了与文本语义密切相关的最大语义标志原则(MSMR)和段落间的语义激励原则(SIR),在模糊K-最近邻分类算法的基础上,应用这2个原则设计并实现了一种基于上下文的文本片断模糊分类算法.该算法依据SIR判断文本片段分类的相互影响,降低了片段分类的错误率,当某一片断类隶属度大于某一阈值时,依据MSMR判定可知,同一文档的后续片断均属于同一类别,这样就不用计算所有片断的类隶属度.实验表明:与模糊K-最近邻分类算法相比,所提算法能有效提高系统的查准率、查全率和正确率,其中查全率可提高16%以上;在同一会话中,由于被明确分类后的后续片段不需要计算类隶属度,所以算法总计算时间明显少于模糊K-最近邻分类算法,具有较高的分类效率.     

动态短信通信复杂网络演化模型研究

为了深入理解手机短信通信网络的演化规律,通过分析手机短信通信网络生长过程的特点,研究了已有复杂网络演化模型刻画短信通信网络生长过程的不足,从而建立了短信通信复杂网络的动态演化模型.该模型在考虑网络动态增长的同时,兼顾了网络内部边的动态演化以及节点的退出,更细致、真实地刻画了短信网络的动态演化特性.实验结果显示,该模型所生成的网络规模表现出有增有减的动态演化过程,与现实情况相吻合,能够更加客观地模拟与刻画短信复杂网络的特征与演化状况.     

基于相关向量机的电力负荷中期预测

针对电力负荷中期预测比较困难并且存在较大误差的问题,提出了一种基于相关向量机的中期预测方法.结合EUNITE网络提供的实际数据,研究了日最大负荷前后期关系、日最大负荷与节假日的关系和当日与对应星期数的相关性,并建立了相应的电力负荷中期预测模型.该模型是将与某天相关的n个前期信息作为该天的日最大负荷的输入量,而日最大负荷与节假日、当日(星期数)的关系信息用两个二元值表示.在模型训练前,将输入量的前7个属性值和预测目标值进行归一化处理 采用不同训练样本集的仿真实验结果表明,相关向量机方法比支持向量机方法具有更多的优点,当高斯核函数的宽度值取为2 0时,相关向量机方法具有较为理想的预测效果.     

基于流连接密度的分布式拒绝服务攻击检测

分析了分布式拒绝服务(DDoS)攻击的特点,定义了能够反映DDoS攻击所引起的网络流量变化特点的流连接密度(FCD)概念,并证明了FCD时间序列的非平稳特性.据此,提出了一种基于FCD的DDoS攻击检测方法,该方法通过拟合FCD时间序列的自适应自回归模型,将FCD序列转换为多维空间的向量序列,然后使用经过样本训练的K最近邻分类器进行攻击识别.实验结果及分析显示,该检测方法能够有效检测DDoS攻击,误报率低于4 3%,并能够对流量数据进行在线处理,实现DDoS攻击的在线检测.     

基于时频分析的网络故障自动识别

通过研究网络流量的时频分析,提出了一种新的基于平滑魏格纳分布(WVD)的故障识别算法.该算法只利用管理信息库中的标准信息来识别不同种类的故障,而且与现有的简单网络管理协议体系结构兼容.采用平滑WVD可消除交叉项的干扰,并将网络流量序列转换为二维空间的波动能量分布.用获取的不同网络服务的时频特性分布作为训练样本,训练后的K最近邻分类器可实现网络故障的识别.实验中,故障识别结果与预设的场景一致,与理论值相比识别误差率为14 41%.分析结果表明,该算法适用于具有流量变化的故障场景.     

基于时频分析的分布式拒绝服务攻击的自动检测

研究了分布式拒绝服务 (DDoS)攻击的特点 ,定义了流连接密度 (FCD)的概念 ,并证明了FCD时间序列的非平稳特性 .据此 ,提出了一种新的基于时频分析的自动检测DDoS攻击的方法 ,该方法采用平滑魏格纳 维利分布对FCD时间序列进行时频变换 ,将FCD时间序列转换为二维空间内的波动能量分布 ,并有效抑制了二次交叉项的影响 ,然后使用经过样本训练的K最近邻分类器进行攻击识别 .实验结果表明 ,该检测方法能够比较准确地识别DDoS攻击 ,识别误差主要出现在网络状态切换阶段 ,这对攻击识别的影响很小 ,识别误差率仅为 4 2 6 % .     

流量内容词语相关度的网络热点话题提取

针对网络舆情分析的需求，给出了网络热点话题定义及其形式化描述，分析了流量内容中热点词语与热点话题的关系，提出了流量内容中热点词语的相关度计算算法．在此基础上，采用基于高密度连接区域的密度聚类方法得到热点词语簇，结合热点词语簇相关的网页标题及网站地址信息，得出网络热点话题的属性描述．实验结果表明，该算法能够有效获取当前网络中的热点话题，话题提取有效率达到16.7％，为网络热点话题传播特性研究提供了基础．与web挖掘、话题监测与跟踪方法相比，所提算法通过选取合适的数据源，能更大程度地还原网络用户行为，从而得到了更为准确的网络信息传播状况．