一种改进的入侵检测模式匹配算法

随着网络的普及,网络安全问题日益严峻,入侵检测技术己经成为计算机与网络安全的重要组成部分.本文首先介绍了入侵检测的基础知识,然后对入侵检测中的模式匹配BM算法进行分析,并在此基础上提出了改进的GBM算法,该算法有效的提高了模式匹配的效率.     

基于生物免疫原理的新型无线传感器网络安全算法

基于无线传感网络安全分析, 提出一种新型无线传感器网络安全算法. 该算法结合生物免疫原理, 通过建立入侵特征库, 使安全系统具有记忆功能和学习功能, 并利用粗糙集解决了传感器网络中信息的不确定性和不完整性. 仿真结果表明, 在网络运行时, 该安全算法可行, 且入侵检测率明显提高.     

基于自组织映射网络的网络入侵检测算法设计

入侵检测系统是一种对网络进行安全保护的重要手段,提出了一种基于自组织映射网络的入侵检测算法,通过训练数据对自组织映射网络进行训练,得到一个用于进行入侵检测的网络安全检测算法.该网络安全检测算法通过建立3层自组织映射网络模型,设计了权值、邻域与学习率的更新方式,输出端的值则对应了网络输出各安全事件的发生概率.采用KDDCUP99进行仿真来对本算法进行验证,将具有最大概率的模型作为入侵检测结果.仿真实验表明,算法能有效实现网络入侵检测,具有较高的网络入侵检测率及较低的误检率和漏检率,同时与其他同类算法相比,对于各类网络攻击均具有更高的检测率.     

一种改进的SVM多类分类算法在入侵检测中的应用

入侵检测作为网络安全的关键技术,成为了当前网络安全研究的热点,入侵检测算法的准确率和推广性能是研究的重点。基于二叉树的思想和超球支持向量机的特点,本文提出了一种改进的SVM多类分类入侵检测算法。本文通过引入相似度函数作为权值,选取相似性最小的两类样本构造两类分类器,采用自下而上的方法构造多个两类超球SVM分类器,并将该多类分类算法应用于入侵检测中。利用KDD CUP 1999入侵检测数据进行了仿真实验,实验结果表明,该算法能有效提高检测准确率、推广性能也得到较好改善。     

基于GA-SVM算法的网络入侵检测研究

信息网络化时代使得网络更加开放,网络安全问题备受关注,有效的网络入侵检测算法对确保网络安全发挥着至关重要的作用.在对SVM算法进行分析的基础之上,采用GA算法对惩罚系数和核参数进行优化,得到用于网络入侵检测的GA-SVM算法,同时将其应用于KDD Cup99数据集的4种网路入侵数据的检测中.检测结果表明,相对于SVM算...     

无线传感器网络安全与入侵检测研究

分析了影响无线传感器网络安全的因素和特点,比较了典型攻防策略,研究了无线传感器网络入侵检测模型,比较、分析了典型入侵检测算法,讨论了无线传感器网络安全待解决的问题及发展方向.     

数据挖掘在入侵检测的研究

入侵检测是用于检测任何损害或企图损害系统的保密性、完整性或可用性行为的一种网络安全技术.指出当前入侵检测系统存在的问题,并针对现有入侵检测系统漏报、误报率高的问题,提出将数据挖掘技术应用于入侵检测系统.文中论述了常用的数据挖掘算法,提出一个基于数据挖掘技术入侵检测系统模型,描述了模型体系结构及主要功能.实验表明,该模型能提取特征,生成新规则,找到入侵数据,提高入侵检测系统的有效性.     

数据流挖掘算法在网络安全中的应用研究

入侵检测技术是网络安全中的核心技术,把数据流中频繁项集的挖掘应用于入侵检测系统中正常和异常数据分析已是当前网络安全中的一个重要发展方向.流入网络流中的数据高速并且无限到达,所以利用传统多遍扫描数据库的挖掘技术来构建入侵检测模型已受到局限.针对频繁模式多维的特点,提出了一种新型数据结构SW.Tree,并给出了一种高效的挖掘网络访问数据流的挖掘算法,把这种算法应用于网络入侵检测模型中频繁模式的挖掘,取得了较好的成效.     

大数据环境下的云计算网络安全入侵检测模型仿真

在大数据云计算环境下,由于信息交互的开放性和自组织性,导致云计算网络容易受到攻击,研究大数据环境下的云计算网络安全入侵检测模型,提高网络安全防御能力。提出一种基于人工免疫的网络安全态势分析的网络安全入侵检测模型。构建网络安全入侵的信号模型和安全态势分析模型,通过模拟人体免疫系统,进行网络映射,采用双线性Hough变换进行时频变换,实现算法改进。仿真结果表明,采用该模型能有效提高对云计算网络入侵的检测性能,对攻击特征的识别能力较高。     

基于经验模态分解的局域网络入侵检测算法

通过对局域网络入侵的准确检测可以保障网络安全,由于局域网网络入侵信号具有瞬时频率特性,采用传统的时频分析方法难以实现有效检测,出现检测不准确的问题.为此提出基于经验模态分解的局域网络入侵检测算法,分析网络攻击的防护原理和DOS攻击对网络的危害,对信号处理方法进行检测方法设计.卡尔曼滤波方法对DOS入侵信号进行前置滤波,去除入侵信号的EMD虚假分量,采用小波阈值去噪方法进行信号提纯,采用经验模特分解方法,使得DOS入侵信号特征与干扰组成成分最佳匹配,提取HHT频谱实现对入侵信号的准确检测.仿真结果表明,采用该检测方法进行局域网入侵检测,精度较高,抗干扰性强,检测性能优于传统算法.     

采用应变模态柔度曲率差识别结构损伤

用随机子空间法从结构的响应信号中提取模态参数,构建模态柔度曲率差MFC进行损伤识别.通过简支梁线单元模型仿真算例,对比了位移模态与应变模态识别损伤的效果,并由实体单元模型仿真算例考察了应变信号采集位置对损伤识别效果的影响.结果表明,应变模态应用于损伤识别在抵抗噪声方面优于位移模态,但应变信号的测点需要靠近损伤的位置.     

基于影像及小波变换的桥梁损伤识别

桥梁损伤定位和定量分析是桥梁健康监测的难点,为提高桥梁结构损伤位置识别的精度及准确性,利用位移模态对结构局部损伤的敏感特性,提出基于影像和小波变换的桥梁损伤识别新方法,通过工业相机获取悬臂梁振动形态,利用模版匹配方法提取结构动态位移响应及模态参数,对位移模态进行小波变换,建立小波系数平方差的损伤指标识别结构损伤位置。通过室内悬臂竖梁振动实验,对全域测点的振动衰减信号快速傅里叶变换成功获取了结构的模态振型,与数值模拟结果比较表明试验获得一阶固有频率最大误差为2.202%,二阶固有频率最大误差为3.182%,表明所提方法用于结构位移测量的可行性以及测量精度的可靠性;在此基础上利用小波系数平方差的明显突峰特性可准确识别结构单损伤、多损伤的存在,并能准确定位损伤位置。研究表明,所提方法可以准确识别不同位置、不同程度的单损伤和多损伤,具有远距离、非接触、高精度、高效快捷、可多点监测提升振型空间分辨率等优点,为桥梁结构全域损伤识别提供了一种新方法。     

基于模态柔度理论的结构损伤诊断试验研究

利用多参考点脉冲锤击法的输入输出动力信号获取结构的模态柔度,可以对结构进行损伤识别,设计了一根钢筋混凝土简支梁和一块钢-混凝土组合板的静动力试验.对不同损伤状态下的简支梁和组合板进行了动力测试,得到其模态柔度矩阵,并用来预测结构在荷载作用下的位移.简支梁试验结果表明,随着损伤程度的加深,结构自振频率降低,阻尼比增大,柔度增大,但自振频率只能判断结构损伤的出现,模态柔度则能够综合全面地反映钢筋混凝土简支梁结构的损伤位置和损伤程度.组合板试验表明,在线弹性状态下,动力测试与静力测试获得的模态柔度矩阵相差很小.设计了支座刚度变化、连接件损伤和横向支撑破坏这3种损伤工况,并用这3种工况来模拟实际桥梁结构可能出现的损伤状况.通过对比结构损伤前后的模态柔度位移信息,成功实现了组合板的损伤识别.     

利用应变模态差识别弯管内部损伤

为研究利用应变模态差识别弯管内部损伤的方法,以损伤前、后的应变模态差作为弯管损伤识别的损伤指标对其展开研究.首先,基于位移模态和应变模态的模态叠加特性和正交性推导了应变模态差公式;其次,利用有限元软件ABAQUS建立不同工况的弯管简化模型进行数值模拟.处理分析得到应变模态差曲线,以此判断损伤的存在和位置以及损伤程度.结果表明,通过该损伤指标能很好识别弯管损伤的存在和位置,并能有效地反映其损伤的程度;改变弯管的径厚比和弯曲形式,该指标对弯管损伤识别仍然适用.证明了基于应变模态差的弯管内部损伤识别的可行性.     

基于广义柔度曲率信息熵的梁结构损伤识别方法

广义柔度矩阵具有普通柔度矩阵的基本性质,且仅用一些低阶模态数据就可较为准确地获取,减少了截断高阶模态带来的截断误差。结合广义柔度矩阵对低阶损伤模态的敏感性与信息熵对系统非线性显著的突显作用,提出了广义柔度曲率信息熵指标。新指标以广义柔度曲率矩阵对角向量中每个元素与对角元素之和的比值作为整体概率函数,构造新的信息熵函数识别指标。使用简支梁和连续梁两种不同形式的梁结构算例对所提指标的损伤识别能力进行了分析验证,并采用服从截尾高斯分布的误差模型对所提指标的抗噪性进行分析。结果表明：广义柔度曲率信息熵指标能有效识别结构单处、对称位置处及多处损伤,且在误差不大于10%的情况下具有较好的识别精度。     

基于模态柔度差曲率的梁结构损伤识别

对于梁式结构的损伤识别,模态柔度比结构的频率和位移模态更加灵敏,通过结构的前几阶模态就可以容易计算得到。文中提出了基于柔度差曲率的损伤识别方法,通过3种方式计算所提指标,将得到的指标进行损伤敏感性对比,在简支梁设置一处、多处和支座处的损伤工况,在两跨连续梁设置多个和支座处的损伤,仿真结果表明,通过模态柔度行均值计算的柔度差曲率最好,柔度列最大元素计算的指标次之,柔度对角元素计算的指标可以进行简支梁1处损伤,但对多处损伤有些模糊。     

基于不完备模态测试信息的结构损伤识别方法研究

测试信息不完备、测量噪声等因素是制约结构损伤识别方法应用的主要难点.为此首先采用部分测点的实测模态振型数据和未测点的有限元模型模态振型数据构造出完整的模态振型.其次,建立了一种适合梁系和杆系结构的基于不完备测试信息的损伤识别方程,并采用Levenberg-Marquardt非线性最小二乘算法进行了方程的求解.由于采用的是标量损伤模型,该方法可以同时进行结构的损伤定位和定量研究.最后,用一个平面桁架模型进行了数值模拟,重点考查了实测自由度数、模态数、测试噪声对损伤识别结果的影响.研究表明,在测试数据不完备及一定噪声水平条件下,该方法仍有较好的损伤识别能力.     

基于应变模态梁型结构损伤识别研究

传统损伤识别方法大多仅限于结构件中单个裂纹的确定,且损伤识别指标无法准确反映早期局部损伤。为此,提出了一种以应变模态差为表征指标的结构表面多裂纹损伤识别方法。首先,依据欧拉伯努利梁理论,建立了含有多裂纹悬臂梁结构传递矩阵方程,得到含裂纹悬臂梁位移模态振型和应变模态振型;其次,计算损伤前后应变模态差并作为损伤识别指标进行识别。以悬臂梁为例,利用MATLAB分别对单损伤和多损伤等不同工况条件进行了模拟仿真,在此基础上,利用PVDF压电传感器进行了单裂纹和双裂纹悬臂梁损伤识别实验。仿真结果和实验结果表明：应变模态差可以对单裂纹与多裂纹损伤工况进行识别,且识别精度高。     

基于模态曲率相关性分析的结构损伤定位方法研究

基于对灰色相关性分析在结构损伤中的已有研究,对基于灰色模态曲率相关性分析的动力损伤识别技术进行了深入研究,首次提出了基于一阶振型数据的损伤定位敏感因子一模态曲率置信因子（MDCAC）,通过该参数的变化曲线,就可以根据不同节点在损伤前、后的模态曲率因子的大小实现对结构的损伤定位。通过悬臂梁的数值分析,验证了模态曲率置信因子（MDCAC）是一个对损伤极为敏感的参数,该参数不仅对单损伤可以准确定位,对于相邻的多损伤、不相邻的多损伤都可以精确识别,即使是小到1％的微损伤也可以通过该参数的变化曲线对损伤单元准确识别。运用该因子进行损伤定位时,只需结构的一阶振型数据,而且不论数据量的多少,该因子都能对损伤单元进行准确的定位,因此该方法在大型结构及复杂结构的损伤识别中具有广阔的应用前景。     

移动载荷作用下起重机主梁损伤识别

作为桥式起重机上关键部件,主梁的安全性受到极大关注.以桥式起重机主梁为研究对象,对移动载荷作用下主梁裂纹损伤进行识别研究.首先建立主梁有限元模型,通过生死单元法杀死损伤单元模拟裂纹损伤,利用ANSYS瞬态动力分析法实现移动载荷加载,并将获得的主梁位移信号与解析解进行对比;然后对位移信号差分获取加速度信号,应用小波变换对主梁1/4、1/2、3/4位置的加速度信号进行分解,分析后选择包含损伤信息的高频部分小波系数构建损伤定位系数来实现损伤定位;最后利用损伤定位系数能量的对数构建损伤程度系数,结合模型匹配法,利用三次样条拟合建立损伤程度方程,识别损伤程度.该研究为起重机主梁移动载荷下的损伤识别提供重要理论参考.