蚁群游走控制的多层网络安全访问实现

传统的入侵检测技术采用基于7层标准模型的检测方法,对普通入侵数据具有较好的检测性能,但随着入侵数据的日益模糊化,传统检测方法的检测性能严重下降。提出一种基于蚁群游走的多层网路安全访问,将系统分为系统层、主机层、服务层的多层模型,然后将网络系统中的节点等效为蚁群单元,采用蚁群游走算法的随机适应性对入侵系统的数据进行检测,采用6元入侵数据进行系统性能测试,结果显示,算法能很好地检测入侵系统的多种非法数据,算法稳定性好,鲁棒性强,具有很好的应用价值。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

Petri网下基于结构进化的电商虚拟机数据访问

在Petri网下构建电商虚拟机离散并行系统,海量的电子商务信息数据以云存储方式寄存在虚拟机离散并行系统中,需要对数据进行准确访问,提高电商数据调度能力。提出一种基于结构进化的Petri网下电商虚拟机数据访问方法,构建Petri网下电商虚拟机数据库模型,进行电商虚拟机数据的信号模型构建的特征信息分析,设计基于结构进化的改进的遗传算法,采用多窗谱特征提取分析电商虚拟机数据访问过程中的数据偏移,通过结构进化控制数据访问过程中的指向性分布差异,实现对电商虚拟机数据访问算法改进。仿真结果表明,采用该算法能有效实现电商虚拟机数据访问幅度特征提取,在不同虚警干扰下对Petri网下的电商虚拟机数据进行访问的数据准确检测概率较高,数据访问抗干扰能力强。     

基于FBG的温度测试算法优化设计

对于FBG温度测试网络系统而言,高效的温度测试处理算法可以保证系统快速准确地将被测区域的温度信息转换为显示数据,所以研究设计应用于FBG系统的优化算法具有重要意义。本文在FBG温度测试网络的硬件基础上,设计了一种新式的温度测试算法,实验过程中采用该算法与传统测温方法进行对比,结果显示,本算法速度快、稳定性高,更适合于大范围温度检测网络的应用。     

基于0-1游程频数检测的链路层加密数据识别

链路层加密数据的识别是进一步开展网络安全防护和协议识别的前提,当前方法主要是对流量所属的上层协议类型进行加密数据识别,采用混合多级的加密流量识别方法,对链路层加密数据的识别性能欠佳。提出一种基于0-1游程频数检测的链路层加密数据识别算法,采用随机性检测理论,进行链路层数据加密解密方案设计,构建标准正态分布函数的统计量对比特序列进行码元频数检测,实现0-1游程频数检测算法。实验表明,该算法能有效解决链路层块内频数检测过程中的分块长度选择及对加密数据识别率低的问题,链路层加密数据准确识别率提高显著,在网络保密数据传输等领域具有很好应用价值。     

商务网站的Web使用记录挖掘

如今网上交易的成功与否,取决于商务网站质量的优劣。Web数据挖掘中的使用记录挖掘,对于商务网站具有重要的意义。通常网站需要了解的是某个用户群体浏览网页的偏好,而不是单个用户的偏好。蚁群算法是一种模拟进化算法,在挖掘特定用户群感兴趣的访问模式时,采用蚁群算法得到的模式会比较客观准确。     

基于知识库的配网网络化下系统全过程安全态势识别方法

为了提升配网网络系统安全态势识别的精度与时效性,研究基于知识库的配网网络化下系统全过程安全态势识别方法.运用多源异构传感器采集配网网络系统环境中的安全设备、交换设备及主机等各类异构信息,对所采集的信息进行同步、格式化、剔除及约简等处理后,采用多源数据融合算法,依据融合规则融合数据,将所得最优融合结果存储于知识库内,完成配网网络化指令知识库的构建;依据该知识库内的安全态势要素生成系统安全态势,通过所生成的系统评估当前配网网络系统全过程安全态势,实现配网网络化下系统全过程安全态势的识别.结果 表明,该方法可呈现实际配网网络系统的安全态势演化状况,精准识别配网网络系统所遭受的攻击数目,识别时效性较高,可应对配网网络系统及时防御攻击的实时性需求,为网络管理员及时觉察与抵御网络攻击奠定基础.     

蚁群算法研究综述

蚁群算法是一种仿生进化算法.该算法在组合优化、网络路由、函数优化、数据挖掘等领域获得了广泛的应用,并取得了较好的效果.本文在对蚁群算法原理、模型研究的基础上,对国内外的研究现状进行了总结和分析,对今后的进一步研究提供了借鉴和参考.     

DCE融合粒子群评价的Web物流数据库安全访问

传统的Web服务物流数据库安全访问控制采用身份认证、密码等方式,对于普通的数据库非法访问具有一定的防范作用,但对于高伪装性的非法访问防护效果很差。提出一种DCE融合粒子群评价指导的Web物流数据库安全访问方法,采用DCE方法对访问者的身份做初步认证,在此基础上,通过粒子群算法,对访问者输入的验证信息进行处理,与实际数据库中存储的信息进行比对,最终识别非法访问。采用一组伪装的非法访问进行测试,结果显示,采用基于DCE融合粒子群评价指导的方法,系统的非法访问识别率提高了19%,具有很好的应用价值。     

基于PSO递阶进化的网络资源活跃度增强算法

为了提高云计算环境下网络资源访问和调度能力,需要增强网络资源的活跃度,传统方法采用源信息系统最小方差粒子群优化算法实现资源活跃度增强调度,直接交互式多源信息的缺陷,导致信息访问的滞后和时延。提出一种基于粒子群(PSO)递阶进化的多出口网络资源活跃度增强算法,构建多出口网络资源调度和网络系统结构,粒子群进化按照属性的数据波动进行递阶分层,得到一个资源数据聚类的高密度区域,使得每一个初始种群中的个体都应有一个解,在多波束搜索PSO空间中实现粒子群PSO递阶进化,提高网络资源访问的活跃度。仿真实验表明,采用该算法,能避免粒子群在进行网络资源搜索调度过程中陷入局部最优,有效提高控制搜索精度,运行时间较短,能有效增强多出口网络资源的活跃度,进而提高了资源搜索成功率。     

一种基于偏离信息融合匹配的安全云实现方法

传统云安全实现方法采用基于特征阀值验证的网络防护手段,云计算平台数据呈现海量状态,各种攻击特征很难选取固定的阀值,出现攻击特征偏离阀值的问题,对于包含重要数据的云计算平台来说,防护功效远远不够。提出了一种基于偏离信息融合匹配的安全云实现方法,采用偏离信息度作为衡量访问的标识,对不同偏离度下的信息进行补偿,最终采用归一化方式实现信息融合匹配。采用一组随机的访问数据进行安全测试实验,结果显示,采用基于偏离信息融合的方法,云安全的防护性能提高,具有很好的安全应用价值。     

浅析校园网中存在的网络安全问题及对策

构建一个安全可靠高效的校园网络环境是我们每一个校园网络系统建设和管理者值得高度重视和认真研究的课题。本文分析了校园网络中存在的诸多不安全因素以及带来的危害,提出了如何构建互联网与校园网络之间访问控制、内部网络访问安全控制、身分识别、防毒防黑体系建立、服务器的安全配置与管理等网络安全措施和策略。     

基于最大熵功率谱估计的Hadoop高速数据访问

提出一种基于最大熵功率谱估计的Hadoop云平台下网络音视频数据特征挖掘方法,实现对数据信息的高速访问。构建数据挖掘Hadoop云平台和数据挖掘访问模型,设计最大熵功率谱特征提取算法,采用分段思想将同一时间段的视音频数据进行群体分割,分段提取最大熵功率谱特征。将提取的特征信息进行维度匹配分箱和溯源处理,实现信息恢复,最终完成高速数据访问。仿真测试表明,该算法能有效地实现对网络音视频数据的特征挖掘,提高访问效率,访问响应时间较当前方法缩短明显。     

基于蚁群理论的劳动力就业搜寻过程分析

蚁群算法是一种新型的模拟进化算法,其模拟的是蚁群依赖信息素进行通信,通过对候选解组成的群体的进化来寻求最优解。本文通过引入蚁群理论来解释和分析劳动力在劳动市场中如何实现其就业搜寻过程,以及在搜寻过程中就业服务机构如何通过控制就业成本,调整网络信息素来实现对整个劳动力市场的控制和优化。最后,本文还引入了成都市劳动力资源调查活动中的相关数据对本文中的模型进行了验证分析,分析结果表明劳动力就业搜寻通过劳动服务机构的调节,缩短了成功就业搜寻时间。     

基于人体行为影响因子的煤矿安全控制模型

针对目前的煤矿安全评价和预测模型还存在精确性不高的问题。本文基于煤矿安全预测需求和人体行为影响因子,提出了一种基于蚁群离散和自适应BP算法的煤矿安全预测模型,首先采用改进蚁群算法对煤矿安全采集的数据进行数据离散化,并对其解空间初始分布、信息量分布、信息量的遗留和蚁群的移动方向进行优化,然后根据BP网络进行调整,得到最为合适的神经网络模型,最后构建煤矿安全预测模型。结果表明,本文提出的改进模型能很好地对数据进行离散化,并且具有较高的煤矿安全预测精度。     

改进优秀基因位差分进化云数据安全访问算法

为实现PCL中Kinec点云数据的共享和安全访问,提出一种改进的基于优秀基因位差分进化的云计算方法实现对Kinect点云数据安全访问。当前采用遗传算法进行云数据访问时面对个体整体适应度的评价,而忽略了单个基因位是否具有较好的属性,访问安全性能受限。提出了一种有效的数据布局策略,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,实现变异松弛响应,数据访问中,需要追求这样一种情况,就是当一段基因进行交叉及变异的过程中,如果它的适应度值进化到最优状态,这时称其为优秀基因,达到优秀基因的基因位,然后把它隔离出来,从而提高对Kinect云数据的挖掘精度。仿真实验证明该算法具有较好的数据安全访问性能,提高了传输云数据的效率。     

Logistics映射扰动搜索聚类及软件设计

研究高效进行数据聚类,提高数据聚类能力的问题。传统的模糊C均值算法具有对初始值和噪声极为敏感和遗传算法在局部极值点收敛的缺陷。基于模糊c均值聚类算法,提出一种改进的优化聚类算法。利用混沌序列的均匀遍历特性和差分进化算法的高效全局搜索能力,对模糊c均值算法进行改进,利用Logistics混沌映射对聚类算法进行优化搜索,把混沌扰动量引入到进化种群当中,弥补了模糊C均值算法的缺陷。采用改进的Logistics映射扰动搜索聚类算法,以目标识别为案例,综合4类目标特征参数为研究对象,开发了一套有价值的目标识别专家系统软件。仿真实验表明,改进的数据聚类算法,具有优越的数据聚类性能,聚类判断准确率提高明显,设计的专家系统软件对目标识别特征分类具有较好的准确性和可靠性,具有一定的应用价值。     

收缩域紧邻挖掘的高可靠性网络安全防护

网络安全防护是网络发展必须解决的问题,传统的网络安全防护系统防护能力有限,当网络攻击类型多样化时,安全防护性能大大下降。提出一种基于收缩域紧邻挖掘的高可靠性网络安全防护系统,在安全防护时,采用收缩域紧邻挖掘的方法对所有的入侵数据进行融合处理,提取出具体特征,建立入侵数据库,采用迭代方法最大限度地提高系统防护性能,最后采用一组模拟的攻击数据进行测试实验,结果显示,基于收缩域紧邻挖掘的安全防护系统能够在大批量多样性数据入侵时实现很好的安全防护,具有很好的工程使用价值。     

蚁群算法在分布式数字参考咨询系统中的应用研究

针对分布式数字参考咨询系统(DDRS)的特点,在分析和设计分布式蚁群算法的基础上,将分布式蚁群算法融入DDRS中,利用移动的、分布的、相互协作的蚂蚁智能体及多Agent数据挖掘,对DDRS范例库数据进行挖掘.认为该方法能进一步提高DDRS检索的效率和智能性.     

复杂目标进化指导的高效网络能耗指导

在分布式计算系统下,网络中各个计算机终端节点的能耗管理是下一代网络分布式计算发展的瓶颈问题。传统的能耗管理调度方法采用单台计算机为模型进行分析,无法全面的权衡网络系统中各个节点的平均能耗,无法达到最优的能耗管理。提出一种基于多目标进化的分布式网络能耗管理办法,采用进化的思想,对系统对每个个体划分相应的等级,在此基础上,采用先种群等级分割,后个体等级排序的方法确定分割度,最后根据模型最优化的方向实现资源最优调度。通过2000个随机任务在10台分布式计算机上的运行情况进行实验,结果表明,采用本文的调度算法后,能耗大大降低,并且算法稳定,可靠,工程应用性很强。