网络异常IP自动截断设计与实现

介绍了基于Expect语言对网络异常IP自动截断设计与实现,把sFlow流量监控技术结合起来,利用sFlow流量分析发现网络异常的IP地址,使用Expect语言模拟仿真Telnet的方式,传送ACL控制命令至网络异常IP连接相应的网络设备,从而实现对网络异常IP进行自动截断处理的目的.网络异常IP自动截断设计与实现增强了网络对异常行为的控制,提高了网络正常运行的稳定性,减少了网络管理的工作量.     

血站关键设备管理的探讨

血液质量和安全是血站的生命线,而血站仪器设备的优劣直接或间接影响血液的质量和献血者的健康、受血者的生命安全,通过关键仪器设备的有效管理,保证仪器设备正常运行,满足预期的采供血工作过程的使用需求,从而为血站的血液采集、检验、制备、供应等流程的全面质量管理奠定良好基础。     

基于敏感特征的网络钓鱼网站检测方法

网络钓鱼(phishing)是一种在线欺诈行为,普遍存在于电子商务和电子金融中。将黑白名单方法和异常特征检测方法相结合,针对网络钓鱼网站URL异常和页面身份异常特点提出基于敏感特征的网络钓鱼网站检测方法——PhishDetector。使用黑白名单技术对URL进行拦截,对于名单中不存在的URL,提取其敏感特征,然后使用线性分类器判断该网站是否为网络钓鱼网站。实验结果表明,基于敏感特征的网络钓鱼网站检测方法,提高了网络钓鱼网站检测的正确率,显著降低了误判率。     

基于敏感特征的网络钓鱼网站检测方法

网络钓鱼(phishing)是一种在线欺诈行为,普遍存在于电子商务和电子金融中．将黑白名单方法和异常特征检测方法相结合,针对网络钓鱼网站URL异常和页面身份异常特点提出基于敏感特征的网络钓鱼网站检测方法——PhishDetector．使用黑白名单技术对URL进行拦截,对于名单中不存在的URL,提取其敏感特征,然后使用线性分类器判断该网站是否为网络钓鱼网站．实验结果表明,基于敏感特征的网络钓鱼网站检测方法,提高了网络钓鱼网站检测的正确率,显著降低了误判率．     

基于eBPF与LSTM的DDoS攻击检测系统

针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明：系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。     

融合BVM与ELM的网络异常检测方法

针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提出了一种新的融合球向量机(BVM,Ball Vector Machine)与极限学习机(ELM,Extreme Learning Machine)的异常检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权值来融合标签.实验表明:使用该融合方法进行网络异常检测的性能要优于使用单一的BVM或ELM;相对于融合传统的SVM与BP网络的方法,融合BVM与ELM网络异常检测方法的检测率与虚警率与传统方法相当,但其训练速度快、整体性更优.     

网络系统异常处理的数学模型

物流以网络流方式运行,网络中顶点有中转容量,同时也有顶点环流容量,顶点环流使用顶点分开为入点和出点的方法来表示.当网络流发生异常变化时,可引起顶点环流增加或减少的变化;而顶点环流也可以起到对网络流异常的调节作用,使网络保持一个可行流.     

榆林市中心血站业务档案管理现状及分析

血站是招募、采集、提供临床用血的机构,是保障献血者和用血者的身体健康,发扬人道主义精神,促进社会文明,不以盈利为目的的公益性组织。国家对血站的设置和管理非常重视,《献血法》出台后,卫生部又相继修改和出台了《血站基本标准》、《血站管理办法》、《血站质量管理规范》、《血站实验室管理规范》和《关于加强血液管理的通知》等法律法规性文件,将血液管理走向人性化、科学化、法制化道路。在血站采供血业务发展的同时,血站业务档案管理也要迈上新台阶。     

试论档案管理在血站中的作用

血站档案主要是记录采供血民众的基本信息或身体状况等,也包括血站在教学、卫生、科研等众多活动的记载,记录了血站的发展历程,对于血站而言是极为重要的一部分.它的存在不仅为医疗界的工作提供了方便,也是血站稳步向前发展的基石.但目前我国血站档案管理工作尚存诸多问题,例如:部分档案管理人员身兼数职,专业知识匮乏,法律意识不强,以及血站未建立完善的档案管理制度,这些漏洞使得档案管理形同虚设.该文针对档案管理中所存在的问题提供一系列的解决办法,就档案管理在血站工作中重要性展开综述.     

回顾分析满意度测评在血站管理中的作用

目的:调查顾客对血站服务的满意度,使血站顾客满意度测量更符合“以人为本”、“一切以顾客为中心”的管理理念.方法:2009-2013年上丰年,借鉴国内、外顾客满意度调查法,并结合血站实际,对血站顾客进行问卷调查.结果:通过调查改进、管理评审,顾客对血站的综合满意度上升到一定阶段后出现区间震荡,但顾客对血站的综合满意度总体是提升的,由2009年的97.98％上升为2013年上丰年的98.45％.结论:坚持开展血站满意度调查,可一定程度上持续确保血站产品和服务满足顾客需求.     

将档案管理纳入血站质量管理体系的探索

血站采供血工作的重要性和血站两个《规范》的要求使血站运行质量管理体系成为必然。本文以ISO9001质量体系和ISO27025实验室质量体系为框架,完善血站档案质量管理体系,规范血站各项质量记录和档案,又以科学的审核方法抽检质量记录和档案资料,采取必要的预防和纠正措施,实现档案和质量体系PDCA循环的持续改进,成为促进采供血工作规范发展一种必然手段。     

坚持用先进文化铸造血站的灵魂——岳阳市中心血站加强文化建设的调查与思考

未来世界的竞争将是文化生产力的竞争，先进文化是血站的灵魂，是推动血站又好又快发展的内在“动力资源”。必须根据企事业文化的前沿理论和血站的发展现状与趋势，切实加强文化建设，构筑文化管理平台，实现血站新的辉煌。     

基于K-means聚类的软件定义网络异常流量分类研究

考虑到软件定义网络异常流量分类受到网络复杂特性的影响,导致分类效果变差,提出了基于K-means聚类的软件定义网络异常流量分类研究.利用权重属性,划分了软件定义网络异常流量的频度,在网络异常流量的分布形式转化过程基础上,根据软件定义网络异常节点出现的概率,计算了异常流量的特征值,提取出软件定义网络异常流量特征,根据软件定义网络异构值差的度量,初始化软件定义网络的参考向量值,通过更新分类属性的邻域半径,计算网络异常流量的参考向量,选择出软件定义网络异常流量分类属性,利用K-means聚类算法过滤软件定义网络异常流量,对软件定义网络异常流量进行检索,通过定义网络异常流量分类的目标函数,利用K-means聚类算法理论,构建软件定义网络异常流量的加权临界函数,结合对角矩阵的求解,设计了软件定义网络异常流量分类原理,实现了软件定义网络异常流量的分类.实验结果表明,文中分类方法的查全率、差准率较高,适应度以及收敛性能较好.     

试论血站业务档案的管理对策

血站业务档案是指血站在面向基层群众采集血液，及向医疗单位供应血液过程中所形成的最为基本的档案资料，是现代医疗服务时是血液质量控制的基本保障，同时为现代医疗血站的发展提供了可靠的档案资料。当今我国血站业务档案管理存在许多漏洞，而在数字电子信息化发展趋势及医疗水平不断发展下，我国落后的血站业务档案管理已无法为其提供完善的的服务，为其提供有力的保障。因此，完善血站业务档案管理对策在一定程度上不仅可加为血液的有效利用提供强有力的保障；另一方面还可为现代血站业务档案管理的发展提供经验依据，同时也是现代医疗水的发展的必然要求。     

异常流量对网络的影响及检测方法

随着网络的不断普及,网络上的异常流量在不断加大,影响也随之增大,这对网络管理提出了更高的要求。本文对网络异常种类和异常流量给网络带来的影响进行了分析,最后总结了检测网络异常的几种方法。     

应用交互式网络流模型的高速网络异常行为检测与控制

针对网络异常流量的检测与定位问题,提出了一种根据网络流统计量异常变化和不完整网络流来有效识别并定位网络异常流量的方法.该方法建立在交互式网络流模型的基础上,分析了交互式网络流模型下各种网络流的交互特征;为准确实时获取网络异常源,采用中国余数定理,设计了连接度sketch结构中的哈希函数,满足了网络用户信息逆向求解的需要,实现了高速网络中异常网络流特征参数的实时获取;为减缓网络异常行为的扩散速度,提出采用动态软隔离方法实现网络异常行为的控制.真实环境下的实验结果表明,所提方法对于多种类型的网络异常行为具有良好的检测效果,检测的准确率和速率都得到了提高,同时可以准确地定位网络异常源,为有效控制网络异常行为的扩散奠定了基础.     

血站工作人员人为影响血液安全性探讨

尽管血站各项工作环节受控于血站《质量管理规范》、《标准技术操作规程sop》，但工作人员的人为差错是造成血液安全的不可忽视的因素。任何一个工作环节都有人为差错的不安全隐患，特别是采集样品、标本编号及血员登记、信息输入等主要是手工操作，难免出现人为差错，即使使用电脑管理．人为差错也不能完全避免。     

基于压缩感知算法的传感器网络异常事件检测

为改善传感器网络异常事件检测效果,提出一种基于压缩感知算法的传感器网络异常事件检测模型.首先采集传感器网络状态信息,并采用压缩感知算法对信息进行采样和重构,在减少传感器网络异常事件检测信息的同时,删除一些无效信息;然后从重构后的传感器网络异常事件检测信息中提取特征,组成传感器网络异常事件检测的特征向量;最后采用极限学习机建立传感器网络异常事件检测模型,并进行传感器网络异常事件检测仿真实验,分析模型的性能.实验结果表明,压缩感知算法可加快传感器网络异常事件检测速度,且传感器网络异常事件检测率高于95%,明显高于其他传感器网络异常事件检测模型.     

基于生成对抗网络的网络入侵检测系统

为了解决在真实网络环境中,异常数据比正常数据更难获得的问题,提出基于生成对抗网络的网络入侵检测系统GAN-NIDS.在训练阶段只使用正常数据,通过卷积操作压缩数据,使网络结构记住正常数据的深度特征.在测试时,正常数据通过生成器生成的数据与原始数据之间的损失(loss),远小于异常数据通过生成器生成的数据与原始数据之间的...     

利用残差分析的网络异常流量检测方法

针对网络异常流量检测中大数据小异常造成的难题,提出了一种新的基于残差分析的网络异常流量检测方法。从多个角度提取网络流量的特征属性,以准确刻画正常行为和异常行为之间的差异性。利用提取的特征属性构建属性矩阵,采用流之间的相似性构建邻接矩阵。使用属性矩阵和邻接矩阵构建网络异常检测模型,采用CUR矩阵分解方法重构属性矩阵得到主模式,对属性矩阵和重构的属性矩阵进行残差计算进而获得残差矩阵。对残差矩阵中的每一个流计算其残差,根据每个流的残差和预设阈值进行异常判定。采集了西安交通大学校园网流量数据进行实验,实验结果表明:所提方法在不需要任何先验知识的情况下能够使异常检测率达到90%以上;与其他异常检测方法相比,所提方法不仅具有较高的检测率,而且能够实现异常源定位。