利用改进的Apriori算法进行船舶通信系统入侵检测

数据挖掘在船舶业中的地位越来越重要,如建立船舶到达规律、船舶远洋调度等。在计算机技术飞速发展的今天,船舶通信网络的安全已经成为非常重要的研究内容,其安全性能关系到国家机密,因此保证船舶通信系统的安全,及时准确的对入侵进行检测防护是非常重要。本文在传统的Apriori算法基础上进行改进,减少数据库扫描的次数,以此减少内存的消耗,最后通过实验对比来证明本文算法在时间性能和数据挖掘方面具有优越性。     

船舶通信网络入侵节点的定位研究

网络入侵严重影响船舶网络通信安全,尤其是入侵节点定位更为关键,针对当前船舶通信网络入侵节点定位效果差的问题,提出基于改进极限学习机的船舶通信网络入侵节点定位方法,首先分析船舶通信网络入侵节点定位流程,并采用极限学习机对船舶通信网络入侵节点定位特点进行分析,建立船舶通信网络入侵节点定位模型,同时对标准极限学习机存在的不足进行改进,最后选择一些船舶通信网络入侵节点定位数据对模型性能进行仿真测试,改进极限学习机解决了当前船舶通信网络入侵节点定位方法存在不足,船舶通信网络入侵节点定位精度得到明显的提高,而且船舶通信网络入侵节点定位速度也得到较好的改善,可以有效保证船舶网络的通信安全。     

深度学习算法的船舶通信网络非法入侵行为识别研究

非法入侵严重影响船舶通信网络安全运行,船舶通信网络非法入侵行为具有很强的变异行为,导致当前船舶通信网络非法入侵行为的识别效果差。为了对各种船舶通信网络非法入侵行为进行准确性识别,提出深度学习算法的船舶通信网络非法入侵行为识别技术。该技术将船舶通信网络非法入侵行为识别看作是一个模式分类问题,将非法入侵行为划分多种类型,然后提取各种船舶通信网络非法入侵行为的变化特征,采用深度学习算法对变化特征和船舶通信网络非法入侵行为类型之间的联系进行分析,以区别各种船舶通信网络非法入侵行为,最后选择有代表性的船舶通信网络非法入侵行为进行了性能测试。结果表明,深度学习算法的船舶通信网络非法入侵行为识别率高于95%,非法入侵行为识别时间控制在2 s以内,可以满足现代船舶通信网络通信安全的需要。     

支持向量机算法在船舶网络入侵检测中的应用

入侵行为严重威胁船舶网络安全,对其入侵检测进行研究具有重要的意义,针对当前船舶网络入侵检测存在精度低、错误率高等不足,设计了一种支持向量机算法的船舶网络入侵检测模型。首先分析船舶网络入侵原理,并且提取船舶网络入侵检测特征,然后采用支持向量机算法根据入侵检测特征建立船舶网络入侵检测分类器,并引入和声搜索算法对船舶网络入侵检测分类器的参数进行优化,最后以某一个船舶网络入侵检测数据为例进行了验证性测试。支持向量机算法克服了当前船舶网络入侵检测模型的局限性,入侵检测精度超过90%,减少了入侵检测错误,检测效果要优于当前其他船舶网络入侵检测模型,是一种有效的船舶网络入侵检测模型。     

船舶网络中的高精度入侵检测方法设计

网络入侵对船舶网络安全具有严重的危害,针对当前船舶网络入侵方法存在检测精度低、检测速度慢等不足,设计了一种船舶网络中的高精度入侵检测方法。首先对当前船舶网络入侵检测研究现状进行分析,找到船舶网络入侵检测效果差的原因,然后采用改进支持向量机设计船舶网络入侵检测分类器,最后通过具体船舶网络入侵检测仿真测试,结果表明本文方法的船舶网络入侵检测精度超过95%,不但远远高于船舶网络安全要求的85%,而且船舶网络入侵检测时间更短,入侵检测速度要明显快于其它船舶网络入侵检测方法。     

免疫理论的船舶网络入侵检测方法

为了提高船舶网络系统的安全性,针对当前船舶网络入侵检测方法误检率高的缺陷,设计了免疫理论的船舶网络入侵检测方法。首先对船舶网络入侵检测的原理进行分析,提取船舶网络入侵检测的原始数据,然后根据免疫理论对船舶网络入侵检测数据进行处理,提取船舶网络入侵检测特征,然后机器学习算法对船舶网络入侵检测行为进行建模,最后编程实现了船舶网络入侵检测算法,并与其他船舶网络入侵检测方法进行对比实验。结果表明,免疫理论可以提取更加有效的船舶网络入侵检测特征,提升了船舶网络入侵检测效率,而且船舶网络入侵检测正确率更高,减少了船舶网络入侵的误检率,是一种可行、有效的船舶网络入侵检测方法。     

船舶大规模数据库高危入侵数据挖掘方法研究

入侵行为直接危害着船舶数据库管理系统的安全,为了提高船舶数据库管理系统的安全性,提出基于数据挖掘的船舶大规模数据库高危入侵检测方法。首先对船舶数据库管理系统中的入侵行为检测研究现状进行分析,找到当前入侵行为检测方法存在的局限性,然后采用支持向量机对船舶数据库管理系统中的入侵行为变化特点进行刻画,建立船舶数据库管理系统中的入侵行为检测模型,最后进行了船舶数据库管理系统中的入侵行为检测仿真测试,结果表明,本文方法的船舶大规模数据库高危入侵检测正确率超过95%,船舶大规模数据库高危入侵检测的错误率要远远小于对比方法,可以有效保证船舶数据库系统的安全,具有较好的实际应用价值。     

网络优化调度算法在船舶大数据通信中的应用

我国常用的船舶通信网络技术难以满足当前持续增长的海量信息量数据通信需求,易造成信息传递延时问题,严重影响船舶航行安全。因此结合网络优化调度算法对船舶通信系统进行分析和设计,以达到提高船舶网络信息通信质量和网络通信的传输速率,有效保障船舶航行安全的目的。为检验网络优化调度算法对船舶网络通信的实时性影响,对应用于船舶通信网络系统中常见的延时问题进行实验检测,以此考察在交换式船舶通信网络通信效果。数据检测结果表明网络优化调度算法可有效提高船舶通信效果,有效解决网络信息传输延时问题,满足船舶在航行过程中对网络通信的实时性需求。     

数据挖掘的船舶网络病毒入侵检测研究

船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中。对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测。实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有效降低了误检率,证明所研究的检测方法的有效性。     

基于人工智能算法的船舶通信网络安全性能研究

为了解决当前船舶通信网络安全性能分析过程中存在的一些问题,以提高船舶通信网络安全性能分析效果为目标,设计了基于人工智能算法的船舶通信网络安全性能分析方法。首先采用船舶通信网络安全性能分析数据,提取船舶通信网络安全性能分析特征,然后采用支持向量机作为船舶通信网络安全性能分析的建模工具,采用人工智能算法对船舶通信网络安全性能分析特征和支持向量机的参数进行同时优化,最后采用具体实验测试了船舶通信网络安全性能分析效果。结果表明,本文方法可以描述船舶通信网络安全变化特点,可以获得高精度的船舶通信网络安全性能分析结果,加快船舶通信网络安全性能分析速度,解决了当前船舶通信网络安全性能分析方法存在的缺陷,获得比较满意的船舶通信网络安全性能分析效果。