RAT非线性递归特征提取及故障检测中的应用

提出使用平均互信息算法和虚假最近邻点算法提取非线性时间序列相空间重构的最优化重构参数。在研究递归图算法的基础上,提出使用递归图中的递归率与确定性的比值RAT作为一种新的非线性递归特征量,对其算法进行描述。对涡轮发动机涉及到气缸压缩、供油系统和燃烧室等涡轮机子系统3类典型故障进行了故障诊断实验。仿真实验结果表明,使用RAT特征能有效实现3类故障下的发动机故障的聚类和诊断,故障诊断准确率为95.7%,具有绝对优越的诊断性能,具有较强的工程实践意义。     

基于互信息特征的网络病毒动态交互约束算法

通过对网络病毒的动态交互约束抑制设计,实现对病毒入侵特征的有效识别。传统方法采用模糊网络入侵状态特征向量分解方法实现病毒约束抑制,当病毒入侵为一种非平稳随机信息矢量时,对其识别性能不好。提出一种基于互信息特征提取的网络病毒动态交互约束算法。构建网络病毒入侵的信号分析模型,并进行数据采集,采用数模转换方法进行病毒数据离散采样转换,采用重采样和机器学习结合方法,进行了链路漏洞检测,填补了Web防火墙的漏洞,采用三次B样条小波进行互信息特征提取的结果是渐近最优的,利用互信息特征作为检测系统的输入,进行病毒数据提纯处理,基于平均互信息特征提取算法实现特征建模和提取,实现病毒动态交互约束。仿真结果表明,该算法能使得病毒数据在时频空间上得到较明显的聚焦,频谱峰值突出,提高了病毒特征有效识别率。     

融入高维相空间偏移因子的基因逆转查询方法

提出一种融入高维相空间的遗传基因逆转分布式数据库优化查询方法,在数据库信息矢量构成的高维相空间中,设置矢量偏移因子,查询信息进行相似度级联偏移匹配,采用子代基因逆转技术,对遗传算法进行变异处理,使子代基因有更强的自适应能力。仿真实验表明,新算法能使数据库信息流在高维矢量相空间中能够有效展开,偏移因子作用下,使用基子代因逆转技术,信息流分布特征在高维空间中能与查询条件有效匹配,特征匹配度比传统算法提高了12.2%,收敛时间缩短21.1%,能有效应用在分布式数据库高效查询与建构中。     

基于宽幅跳跃关联定位的大型数据库入侵检测

在数据库入侵检测的过程中,当数据库规模较大,传统的检测算法只能采集不同区域的攻击或者存在异常的特征,进行分析。缺少数据之间的联系,并且效率较低。提出了一种基于宽幅跳跃关联定位的大型数据库入侵检测算法。新算法通过对数据库特征进行较宽幅度的跳跃检测,组建特征集合。利用宽幅异常特征建立关联检测模型,运用较少的入侵特征点完成大型数据库的入侵特征关联匹配,大幅降低检测时间,通过将全局搜索和局部搜索机制有机地结合,保证检测的准确性。实验结果表明,利用该算法进行数据入侵检测,能够有效提高大型数据库入侵检测的准确性。     

基于滑动窗口模型空间重组的网络流量检测

为克服传统时间序列分析方法对小数据信息数据和非平稳序列检测不稳定的限制,引入滑动窗口模型思想,提出了滑动时间窗口模型的网络流量序列重组空间异构的检测方法。通过计算仿真得到不同时间窗阈值下的网络流量序列递归图,检验出网络总出口流量的确定性。通过提取递归图中异常特征点的定量递归特征的方法实现对流量异常的检测和评估。仿真实验表明,提取的流量序列定量递归特征具有较强的稳定性和自相似性,算法能有效检测出网络流量序列的隐藏异常波,尤其适合于小数据量时间序列和非平稳数据的检测和分析。     

变压器油箱表面振动信号时间序列的混沌特性分析

针对变压器油箱表面振动信号的非平稳、非线性特性,采用动力学非线性时间序列分析的方法对振动信号进行分析研究。基于相空间重构理论对变压器振动信号时间序列进行状态空间重构,首先由C-C法计算出嵌入维数和延迟时间,并据此对系统的状态空间进行重构,然后采用G-P算法对吸引子关联维数进行了估计,并对重构相空间进行相图分析、最大Lyapunov指数分析。结果证明变压器表面振动信号的时间序列具有混沌特性,为变压器振动信号进一步的处理及应用提供了参考。     

受经验约束的Web故障监测数据自适应重写算法

对Web故障监测异常数据的自适应重写可以实现对Web数据库的极值扰动盲分离,提高Web故障监测数据库的访问能力,进而提高对Web网络故障的诊断性能。提出基于极值扰动的Web异常数据自适应重写算法,引入自适应经验函数,优化粒子群进化搜索能力。选择一定的基函数与故障监测信号进行匹配,为了使粒子群摆脱局部极值,增加了极值扰动算子,进行经验约束函数调控,提高对Web网络故障的诊断性能。仿真实验表明,该算法能有效实现对Web网络故障数据的自适应重写,信号恢复和跟踪效果较好,提高了对Web数据库的访问精度,在Web网络数据库故障检测和数据调度访问等领域具有较好的应用价值。     

基于随机阵列向量模型的流量预测算法研究

设计网络流量预测数学模型,实现对网络流量的准确预测和评估。传统的流量预测算法采用包络特征子空间聚类的流量序列分析方法,对随机大数据网络流的聚类和预测效果不好。提出一种随机阵列向量模型的流量预测算法。首先进行了网络流量预测的时间序列模型构建,采用平均互信息算法和伪最近邻点法求解最优化网络流量序列重组空间异构参数,得到一个高密度流量数据分形区域,创建流量序列的概率分布曲线,在随机阵列相空间中形成新的映射采用统计学数学方法对流量序列的随机分布特征进行分布式计算,随机阵列向量模型构建方法进行流量预测算法改进。仿真结果表明,采用该算法进行流量预测,能有效提高预测精度,具有较好的流量特征分析能力,性能优越。     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

NET架构下的Web连续攻击单模式匹配抓取算法

对Web连续攻击信号进行单模式匹配抓取进而提高对攻击信号的检测能力,提出一种基于NET架构的Web连续攻击单模式匹配抓取算法,采用盲源分离算法高斯随机分布下对连续攻击信号进行自相关成分分析,通过时频伸缩信号在不同时间下的能量密度,对Web连续攻击信号进行正常和异常数据分离,对不同频段进行频率变尺度压缩,实现对高频特征和低频特征的分段处理。采用包络线进行平均值标记的方法,得到信号的状态空间固有模态函数差值分量,实现算法改进。实验结果表明,该算法能准确实现对NET构架下的Web连续攻击特征点的单模式匹配抓取,提高对Web连续攻击信号的检测能力,对NET构架下的Web连续攻击特征信号的准确抓取概率较高,在网络安全构架等领域具有较好的应用价值。     

基于数据挖掘技术的异常信息流检测模型

针对传统的异常信息流检测方法的不足,设计了一个异常信息流检测模型,该模型采用了数据挖掘中的决策树算法对信息流进行归纳分类,采用信息增益作为分类属性选择标准来构造规则决策树,针对网络流量进行分析,能提高检测速度.开辟了一条检测异常信息流的新途径.     

支持多模推荐的多层数据库优化访问技术

为解决数据库访问中的关联数据推荐问题,进行数据库的多层时态属性重构,提高数据库访问能力。传统的数据时态属性重构技术采用文本信息特征分类重构方法,无法有效满足多模数据推荐中的数据库访问环境。提出一种支持多模推荐的数据库多层时态属性重构优化访问技术。构建数据库的多层时态数据重构数据结构模型,在重构过程中进行实现自适应阈值寻优,计算各传输节点在数据分发中自身对对方的直接信任值和间接信任值,进行多模推荐关系图构造,采用平均互信息方法求解数据库多层时态属性的自适应阈值,对数据库访问节点的彼此行为进行监控,实现数据库访问优化。仿真结果表明,采用该方法能有效实现对数据库访问用户的多模推荐,提高数据库访问的性能,提高数据调度的普适性和准确性。     

基于局部特征压缩采样的网络入侵信号检测

对网络入侵信号的准确检测,提高检测概率是保证网络安全的基础,传统检测方法难以实现对较低信噪比下的攻击信号的高效定位和检测,无法有效预测入侵信号的局部特征点,导致重采样,虚警概率和漏检概率较高。提出一种基于局部特征压缩采样的网络入侵信号检测算法,构建低信噪比下网络入侵信号模型,采用多普勒频移模糊搜索对入侵信号进行平滑处理,得到入侵信号的局部特征预测量和测量值,为了使得入侵检测适合线性实时处理过程,提高在低信噪比下的检测性能,采用卡尔曼滤波对结果进行修正,采用局部特征压缩采样判断入侵信号的联合特征,实现了对网络入侵信号的局部特征压缩采样检测。仿真结果表明,该算法检测性能较好,检测概率优于传统算法,展示了较好的应用价值,确保了网络安全。     

网络波动攻击中的小扰动入侵源定位算法仿真

在网络持续波动攻击中出现一种小扰动信号,由于该类攻击信号的振幅不大,常规的检测算法难以有效定位检测,无法保证网络安全。提出一种基于小扰动多普勒扩散参量估计的网络波动入侵源定位检测算法。首先进行网络攻击模型构建,分析网络攻击信号的小扰动振幅特性,由于高阶累积量对噪声有盲分离作用,利用高阶累积量切片对小扰动入侵信号的能量聚集和噪声抑制特性,引入高阶累积量后置处理算子,进行小扰动入侵源定位聚焦,采用DOA参量估计算法进行网络攻击信号的多普勒扩散参量估计,实现对小扰动入侵源定位和检测。仿真结果表明,采用该算法能有效实现了对网络波动攻击的小扰动入侵信号的准确定位和检测,分离出振幅较小入侵信号,检测准确率较传统方法高。     

Net大数据库散布点的抗干扰优化查询算法

在Net环境下,大数据库的散布数据具有随机分布特征,干扰性较强,难以实现有效查询,研究优化查询算法对提高大数据库的数据调度和访问能力具有重要价值。提出一种基于大数据信息流集合划分机制与模式匹配的Net大数据库散布点的抗干扰优化查询算法。构建Net大数据库散布点数据采集模型,引入了融合特征空间的构架模式,通过数据信息流集合划分机制与模式匹配,得到大数据信息流异步层最小竞争异步递进值,实现抗干扰优化查询。结合Matlab和SQL Sever混合编程进行仿真,实验结果表明,能有效提高对Net大数据库散布点的查询性能,抗干扰能力强,提高对散布点数据的召回率,在数据库构建和应用中具有应用价值。     

基于EMA和Lorenz系统同步的网络攻击检测

对新型网络攻击信号进行准确有效检测的问题已有许多研究。网络攻击信号更新变化迅速,严重影响了网络环境的安全稳定,传统的网络攻击信号检测算法如ARMA模型算法检测性能不够理想。采用非线性信号处理的方法,基于期望最大化算法的高斯混合模型,结合Lorenz混沌系统进行同步控制,提出了一种改进的网络攻击检测算法。对网络数据流进行建模并检测,将差值这个特征作为混沌同步控制量,进行检测和判决。仿真结果表明改进的检测算法能有效检测网络攻击信号数据库中最新的5类攻击信号,与ARMA算法进行检测性能比较,检测概率同等条件下提升幅度明显,最高为15%以上,在网络攻击安全防御中展现优越的应用性能和前景。     

杜芬振子的仿真分析

混沌系统对微弱信号具有极强的敏感性,同时对噪声具有极大的抑制能力,它的这种性质使得混沌系统具有可应用于小信号检测中的潜力。一个动态非线性系统有四种状态即定态、动态、周期振荡和混沌运动状态,当系统处在一个临界状态,系统参数的一个微小变化也可能引起系统状态的性质变化,即方程的解在相空间的轨迹将发生变化。以杜芬方程作为研究系统,利用MATLAB软件对方程分析、模拟。在临界状态下,系统加入与外力频率相近的单频被测信号,其根轨迹及相平面将发生变化,从而检测出小信号的存在。     

网络入侵信号Radon变换边缘积分特征挖掘

传统方法中对网络入侵信号的挖掘采用基于相位匹配的Fourier变换方法,对入侵信号的边缘特征不能很好挖掘,提出一种采用Radon变换的网络入侵信号特征挖掘方法,基于特征分解原理,在时频空间中构建入侵信号的协方差矩阵,采用多特征向量奇异值分解方法挖掘入侵信号的边缘积分特征。运用Radon变换把由原来的点-直线对偶变成了点-正弦曲线对偶,优化对边缘积分特征的挖掘效果。在笛卡儿坐标空间中将挖掘数据分解为两个空间向量,实现特征挖掘。仿真实验表明,采用该算法进行大型网络入侵信号的特征挖掘,能有效检测出入侵信号的边缘积分特征信息,实时防护能力好,提高对入侵信号的发现能力。     

基于随机共振概率密度特征阈值的入侵检测

网络入侵信号表现为一种多频非线性微弱信号,传统的随机共振检测方法受弱信号幅度和临界阈值约束,检测性能受限。提出一种采用随机共振概率密度特征确定信号检测临界阈值的方法,建立网络入侵信号自适应随机共振检测系统,把多频网络入侵信号采用EMD分解的方法分解为高频和低频信号两部分,使每个频段满足随机共振条件。采用相轨迹过零周期数相变判别算法提取随机共振概率密度特征,确定检测系统的临界阈值,实现对入侵信号的准确判别和检测。仿真实验表明,采用该算法进行网络入侵信号检测,能有效检测出多频非线性微弱入侵信号,检测概率具有明显提高,漏检和误报概率降低。     

功率自激网络最近邻链缓存污染判决门限控制

功率自激网络在攻击容忍系统设计中,由于最近邻链缓存污染,导致对功率自激网络的攻击成功率较高,难以实现有限的拦截。提出采用最近邻链缓存污染判决门限控制的方法,通过自适应门限控制,提高对攻击信号的拦截概率。建立功率自激网络及缓存污染攻击系统模型,假设功率自激网络路由的内容流行度服从Zipf分布,得到入侵最近邻链缓存污染拦截在攻击容忍系统中的功率谱密度特征。采用最大似然估计进行攻击容忍系统中的HMM参数的更新,设计最近邻链缓存污染判决门限控制的方法,改进自适应判决门限控制算法,提高对攻击信号的拦截概率,达到消除缓存污染攻击的效果,实现对内容耗散网络的安全控制。仿真结果表明,该算法能有效实现了对缓存污染的拦截和冗余数据去除,缓存污染攻击拦截率,保证了功率自激网络的安全。