网络安全事件预警系统方法研究

网络安全事件预警系统是实现网络安全检测和预警的一种新技术。对它的研究有助于提高网络系统的应急响应能力，缓解网络攻击所造成的危害和提高系统的反应能力等。本文通过网络安全事件检测技术的研究入手，对网络安全事件预警系统的系统架构及安全事件检测方法进行深入研究与探讨．并分析了检测机制与流程．     

基于卷积神经网络和Kmeans的中文新闻事件检测与主题提取

中文新闻事件检测的主要任务是从大量新闻中自动检测出潜在的新事件。人工构建事件特征词进行检测费时费力。单纯依靠密度聚类或谱聚类方法进行事件检测,存在不同事件的触发词相关性高时,容易误判为同一事件。为此,提出基于卷积神经网络和K-means结合的中文新闻事件检测与主题提取,将新闻中的文本向量化,通过深度学习抽取文本深层特征。实验结果表明:所提方法构建的模型准确率、召回率优于单一聚类方法,可对中文新闻事件准确识别,快速检测新事件,提取新事件主题。     

农产品安全网络舆情演化分析与导控策略

农产品安全事件的网络舆情是关乎民众健康和社会安定的重大问题。采用改进的元胞自动机模型分析此类网络舆情的演化趋势及导控策略。通过对元胞空间邻域结构、状态转移函数及演化规则的改进体现农产品网络舆情特点,引入导控因子分析舆情导控策略,并通过仿真实验探究网民情感倾向、相互作用以及信息干预对舆情演化趋势的影响。最后对中国近期发生的"非洲猪瘟"事件相关舆情进行实证分析。研究表明:本文模型实现了对该事件网民情感倾向变化及舆情发展的合理预测,并提出科学的舆情干预和监管措施。研究将有助于揭示农产品安全网络舆情特征与演化规律,为网络舆情的有效监管提供参考。     

基于Single-Pass的在线话题检测改进算法

现有话题检测的主要方法是利用Single-Pass及其改进算法进行聚类分析,没有考虑文本的结构特点,相似度计算方法单一,从而影响准确度.针对此问题,改进了Single-Pass的相似度计算方法,综合考虑文本的标题、摘要、时间、地名以及来源等要素,采用层次分析法计算并赋以不同权重,提出一种多相似度计算组合策略.考虑到食品安全是一个广受关注的话题,实验通过网络爬虫抓取并筛选了最近3年食品安全方面的媒体信息,以此作为数据进行分析,结果表明,采用本文提出的改进Single-Pass聚类算法,话题检测准确度更高.     

一种适应负载特征的入侵检测方法

针对网络环境不断变化和规则分类的不均匀问题, 提出一种既考虑规则特点又考虑负载特征的高效检测方法, 该方法能动态生成适应负载特征的规则匹配树, 并在Snort上实现. 实验结果表明, 该方法不仅可解决网络入侵检测系统(NIDS)丢包率高的问题, 而且 能极大减少每个包或事件要检测的规则集, 从而提高了检测效率.     

基于特征融合的安全审计分析

分析了传统的安全审计分析方法，发现传统方法没有利用主机日志和网络数据特征之间的联系。通过分析主机日志得到可疑安全事件，再进一步融合主机日志和网络数据的有关特征作为一个整体进行分析。比较当前安全事件与正常历史事件、异常历史事件的相似度，审计出异常可疑事件。实验证明了该方法的可行性和有效性     

基于动量模型的食品安全事件发现方法

食品安全是广受民众关注的热点话题,而微博已经成为食品安全事件曝光的主要媒体平台.以微博语料作为数据源,同时使用微博内容和用户的社交网络行为特征,提出了基于动量模型的食品安全事件发现方法.该方法以事件发现作为描述食品安全事件的基本模型,以检测出微博信息流中与食品安全相关的候选特征词,然后采用动量模型实现候选特征词的动量建模和重复特征词的有效过滤.最后,通过K-means聚类将有效的特征词进行归类合并,以实现食品安全事件的发现.试验结果表明:该方法能够有效发现在微博中传播的食品安全事件,并能过滤掉微博中无关的话题.     

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。     

基于特征融合的安全审计分析

分析了传统的安全审计分析方法，发现传统方法没有利用主机日志和网络数据特征之间的联系。通过分析主机日志得到可疑安全事件，再进一步融合主机日志和网络数据的有关特征作为一个整体进行分析。比较当前安全事件与正常历史事件、异常历史事件的相似度，审计出异常可疑事件。实验证明了该方法的可行性和有效性。     

多变量轨迹分析的过程故障检测方法

为了解决实际工业过程中的多变量动态过程监测问题,提出了一种基于多变量轨迹分析和主元分析的在线故障检测方法。通过构造过程轨迹向量实现了多变量动态信息的提取,结合主元分析算法对模型进行了改进,利用改进模型充分分析了过程数据的变化特征,同时将关键变量的轨迹趋势图作为参考实现了离线建模和在线故障检测。与传统的基于轨迹分析的方法相比,所提方法克服了变量个数限制,解决了统计量难以设计的问题,提取了过程动态特性,实现了更为可靠的动态过程监测。通过某企业合成氨生产中转化单元的实例验证表明,所提方法在处理多变量动态过程的故障检测问题上效果良好。     

基于自编码神经网络的Single-Pass聚类事件识别算法

针对传统Single-Pass聚类算法存在的缺陷，提出了一种基于自编码神经网络的Single-Pass聚类算法。通过多个深层的隐藏层对原始数据进行降维，以更好地提取出原始数据的特征信息；并通过对边缘文本重计算来降低误检率，提高聚类精度。实验结果表明，该算法相比传统Single-Pass算法具有更高的聚类准确度，解决了聚类结果受数据顺序影响的问题。     

基于因子分析和SVM的网络舆情危机预警研究

针对网络舆情的指标冗余和复杂度高不利于监管,提出了因子分析和SVM建立综合评价模型;首先利用因子分析将网络舆情的14个指标进行降维为3个公因子,其次在简化的指标体系中用遗传算法的5-折交叉优化SVM参数,建立遗传算法优化SVM的网络舆情危机预警模型,最后将两类的SVM改进为一对多算法对4种情况进行分类,得出网络舆情的预警;对2019年的10个网络舆情事件进行实证分析表明,低于0.51%的误差预警充分说明了其可行性,达到了强化网络舆情的监管,而因子分析降低了指标体系的复杂性,遗传算法的5-折交叉提高了SVM分类器的学习能力,能更准确地预测训练集,并用一对多算法使得分类速度较快,对网络舆情的监管提供了帮助。     

相关向量机在光纤预警系统模式识别中的应用

由于传统模式识别方法存在过学习、训练时间长等缺陷,不能满足光纤预警系统实时在线监测的要求.相关向量机能够克服传统方法的缺点,识别精度高,向量机个数需求少,因此,将相关向量机应用于光纤预警系统模式识别中,采用小波能谱和小波信息熵的特征提取方法,在测试阶段采用有向无环图的方法进行多类识别.通过对威胁管道安全的事件进行实验,识别精度达到92.67%,向量机个数只有2个,验证了相关向量机方法应用于光纤预警系统的可行性和有效性.     

后疫情时代侨情危机状况识别方法

基于新冠疫情时代海外侨情危机事件频发,提出一种基于自动化信息要素抽取的新闻事件类型识别方法,对后疫情时代侨情新闻事件进行智能危机类别划分.首先,利用爬虫技术获取特定时间段的相关侨情事件新闻,进而采用信息抽取模型对语料数据进行信息要素抽取;然后,根据要素集的取值判断每条新闻的危机事件类型;最后,对2020年1月-8月的侨情新闻数据进行实证研究.结果表明:该方法不但能提升侨情分析的效率,还能进行多维度的危机状况信息可视化,有助于制定危机事件应对策略.     

丹麦食品安全风险治理政策演变研究:启示与借鉴

自新《食品安全法》修订以来，虽然我国食品安全风险治理总体形势有所改善，但仍处于管理向治理转型的过渡期，食品安全事件依旧频繁发生，食品安全风险治理机制仍需完善。本文选取丹麦食品安全风险治理政策作为研究对象，分析其主要食品安全风险治理政策的演变，探究其对中国食品安全风险治理政策制定的启示。研究发现，丹麦政府政府能够审时度势把握住改革的契机，逐步实行了官方抽查为主的“笑脸”政策；企业积极配合政府的检查政策，实行危险分析关键控制点制度发挥其自我约束作用；农业部门致力于从源头处解决问题，健全和完善家庭农场主制，大力发展有机农业，实现了对食品生产原料安全的严格把关。     

基于长短期记忆神经网络模型的多步滚动预测方法

飞机着陆阶段是各飞行阶段中风险最大的阶段之一,可能会遇到阵风、跑道入侵、硬着陆和跑道超限等不安全事件。较长的着陆距离会增加着不安全事件发生的风险。为了降低发生不安全事件的风险,本文利用长短期记忆(long short term memory,LSTM)神经网络捕获时间序列飞行数据对时间的依赖性,研究了一种多步滚动预测策略来预测飞机着陆距离以进行实时预警,飞机着陆预测模型用于预测着陆距离。结果表明：与单步预测相比,该方法可以更好地捕捉飞行参数的时间变化。通过多组仿真实验验证基于LSTM神经网络模型的多步滚动预测方法的准确性与有效性。     

心理安全教育视阈下大学生的心理障碍疏导

心理安全指的是个体或群体在心理上所具有的一种不受威胁的现实状态。而当今大学生存在不同程度的心理障碍甚至发生自杀、凶杀等极端事件，严重影响他们正常的学习和生活，加强高校大学生的心理安全教育迫在眉睫。健康的心理能有效预防心理安全事故的发生，高校应该采取行之有效的措施来消除大学生的心理障碍，提高他们的心理健康水平和心理危机承受能力。     

基于FBCREAM方法的飞机驾驶人因可靠性评估模型

飞机驾驶人为差错是导致飞行不安全事件/事故的重要因素之一,为有效预测飞机驾驶人因可靠性,减少人为差错,确保飞行安全,提出一种基于FBCREAM方法的飞机驾驶人因可靠性评估模型。考虑飞机驾驶的情境环境及人因特征,调整原始认知可靠性与失误分析方法（CREAM）中的人为差错形成条件使其更合理地表征驾驶舱中飞行员工作情境。引入模糊逻辑方法,利用隶属函数对人为差错形成条件的不确定性和模糊性进行建模。以人为差错形成条件的隶属度为输入参数,人为差错模式隶属度为输出构建贝叶斯网络模型,通过解模糊化方法计算人为差错概率精确值。选取单发故障情境环境下执行飞行任务进行实例分析,结果表明该方法能够准确评估飞机故障情境环境下的飞机驾驶人因可靠性,可为航空安全评估提供有效的工具和重要支持。     

基于EMD的油气管道安全分布式光纤预警系统信号分析方法

针对油气管道安全分布式光纤预警系统检测信号的非平稳特征，提出了基于经验模态分解（EMD）的信号分析方法．预警系统基于Mach—Zehnder光纤干涉仪原理，沿油气管道同沟敷设光缆，利用其中三条单膜光纤构成分布式微振动测试传感器，实时检测管道沿途所发生的泄漏及其他异常事件．该信号分析方法将检测信号通过EMD分解为多个平稳的固有模态函数（IMF）之和，选择若干包含信号主要信息的IMF分量对其进行峭度分析，提取几种事件信号的特征．最后分析了现场实验数据及其信号处理结果．研究结果表明，该方法可以有效地对管道周围发生的泄漏和其他异常情况进行特征提取．     

基于改进Single-Pass算法的BBS热点话题发现

详细介绍了经典增量式聚类算法Single-Pass的特点,针对该算法中"聚类质心不唯一"的缺陷提出"设定唯一聚类质心"的改进方案,降低了算法的时间复杂度;针对"算法聚类中心随机性强"的不足提出了"不断优化聚类中心"的改进方案,使得聚类中心的代表性更强.最后,基于"中华网BBS"文本数据对改进后的算法进行验证、分析,并与经典Single-Pass算法的聚类结果进行对比,得到了更为理想的实验结果,表明算法可行有效.