基于极限学习机的舰船网络入侵检测算法

针对传统网络入侵检测算法在舰船网络中存在的检测误差高的问题,提出基于极限学习机的舰船网络入侵检测算法。构建舰船通信网络模型,在该模型下实时采集通信数据并对其进行预处理。将采集的数据作为输入项,利用极限学习机算法提取网络入侵特征。根据网络入侵行为设置行为特征标准,结合舰船网络入侵节点聚集度的计算结果,得出舰船网络入侵检测结果。通过与传统入侵检测算法的对比发现,设计算法的检测误差有所降低,即入侵检测精度得到提升。     

基于改进Apriori算法的船舶通信入侵检测方法分析

非法入侵行为危害着船舶通信系统的安全,针对当前船舶通信入侵检测错误率高的缺陷,提出了基于改进Apriori算法的船舶通信入侵检测方法。首先对国内外当前的船舶通信入侵检测方法进行分析,指出了各种方法存在的局限性,然后采用Apriori算法建立船舶通信入侵检测关联规则,实现船舶通信入侵检测数据进行挖掘,并对Apriori算法存在的不足进行相应的改进,最后进行了船舶通信入侵检测仿真实验,本文方法简化了船舶通信入侵检测过程,加快了船舶通信入侵检测速度,提高了船舶通信入侵检测正确率,为船舶通信系统安全管理人员决策提供了有价值的参考依据,能够保证船舶通信系统的安全。     

舰船网络入侵风险等级估计算法研究

针对当前舰船网络入侵风险等级估计算法存在的缺陷,以提高舰船网络入侵风险等级评估正确率为目标,设计了一种改进极限学习机的舰船网络入侵风险等级估计算法。首先根据专家和相关研究设计舰船网络入侵风险等级估计的指标,并根据指标采集相应的舰船网络入侵风险等级估计数据,然后采用极限学习机对舰船网络入侵风险等级进行建模,并采用粒子群算法优化舰船网络入侵风险等级估计模型的参数,最后进行舰船网络入侵风险等级估计验证性实验。实验结果表明,改进极限学习机获得了十分理想的舰船网络入侵风险等级估计结果,而且估计性能要远优于当前其它舰船网络入侵风险等级估计算法,具有更高的实际应用价值。     

船舶通信网络高损耗节点定位技术研究

在船舶通信过程中,节点的能耗十分关键,一些重要点由于节点能耗过快就提前死亡,影响船舶通信网络的数据传输性能。为了提高船舶通信网络的数据传输性能,设计了一种船舶通信网络的高损耗节点定位技术。首先分析船舶通信网络的工作原理,建立节点能耗的数学模型,然后对船舶通信网络节点的能量损耗进行预测,准确定位一些高损耗节点,最后进行仿真测试分析船舶通信网络的高损耗节点定位的性能。结果表明,本文方法可以准确找到船舶通信网络中的高损耗节点,通信过程可以不引入到数据路由中,提高了船舶通信网络数据传输速率,船舶通信网络数据传输成功率也得到了改善,可以更好地实现船舶通信网络的通信。     

船舶传感器网络中节点定位算法设计

节点定位对于船舶传感器网络具有十分重要的意义,没有节点位置的信息是无用的,经典的船舶传感器网络节点定位算法—DV-hop算法存在定位误差大、速度慢等问题。为了提高船舶传感器网络节点定位结果,设计了改进DV-hop算法的船舶传感器网络节点定位算法。首先对当前船舶传感器网络节点定位算法的研究现状进行分析,找到引起DV-hop算法定位误差大、速度慢的原因,然后采用传感器网络发射信号强度得到节点之间的距离,在此基础上采用DV-hop算法进行船舶传感器网络节点定位,最后进行船舶传感器网络节点定位实验,实验结果表明,本文算法克服了当前船舶传感器网络节点定位误差大的缺陷,其船舶传感器网络节点定位精度不仅明显高于DV-hop算法,而且船舶传感器网络节点所耗费的时间更少,获得了整体效果更佳的船舶传感器网络节点结果。     

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。     

船舶航行网络流量的建模与预测

船舶航行网络流量受到外界因素的干扰,具有比较强的随机性,当前船舶航行网络流量的预测准确性差,为了改善船舶航行网络流量预测的效果,设计一种高精度的船舶航行网络流量建模与预测方法。首先收集一维船舶航行网络流量样本,并通过变换得到一种多维的船舶航行网络流量样本,然后引入极限学习机描述船舶航行网络流量的变化规律,并对极限学习机参数进行优化,改进基本极限学习机的不足,最后进行船舶航行网络流量预测的应用实例,分析本文方法的可行性,结果表明,本文方法的船舶航行网络流量预测误差小于5%,低于实际应用要求的10%,同时船舶航行网络流量建模过程自化程度高,简单,获得了较快的船舶航行网络流量预测速度,为解决船舶航行网络流量的预测问题提供了一种建模技术。     

面向物联网的船舶通信网络数据传输路径优化仿真

数据传输路径优化算法是当前船舶通信网络研究中的重要方向,为了解决当前数据传输路径优化算法存在时延大、数据传输功率低等不足,提出了面向物联网的船舶通信网络数据传输路径优化算法。首先针对数据传输时延大的问题,对全部物联网节点进行分簇操作,减少数据传输重复信息,加数据传输速度,然后设计了根据最短距离建立船舶通信网络数据传输路径最化算法,最后采用进行仿真实验,以验证船舶通信网络数据传输性能。结果表明,本文方法缩短了船舶通信网络数据传输时延,加快了船舶通信网络数据传输速度,而且船舶通信网络数据传输成功率得到了明显改善。     

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。     

大型舰船通信网络入侵检测方法研究

针对传统的入侵检测方法一直存在入侵检测误差大、收敛性差的问题,提出基于惩罚函数和多元回归分析数学模型的大型舰船通信网络入侵检测方法,通过确定入侵节点区域面积计算舰船通信网络入侵节点聚集度,引入一个惩罚函数,再采用决策树分类法对舰船通信网络入侵节点进行分类。采用均方差作为标准测度函数,获取均方差之和,并通过构建多元回归分析数学模型,实现对大型舰船通信网络入侵的检测。实验结果对比可知,采用改进检测方法时,其检测误差及算法的收敛性,一直优于传统检测方法,具有一定的实用性。     

船舶网络流量的异常状态检测模型

船舶网络流量异常状态直接描述船舶网络工作情况,当前船舶网络流量异状检测过程中存在误差大、计算时间复杂度高等缺陷,为了获得更好的船舶网络流量异常状态检测结果,设计了基于复合核函数极限学习机的船舶网络流量异常状态检测模型。首先分析当前船舶网络流量异常状态检测研究进展,阐述船舶网络流量异常状态检测的基本思路,然后采集船舶网络流量异常状态检测数据,并采用复合核函数极限学习机建立船舶网络流量异常状态检测模型,最后进行仿真实验,实验结果表明,复合核函数极限学习机可以全面、客观描述船舶网络流量异常状态,检测精度高、时间短,相对于其他船舶网络流量异常状态模型,综合性能更优,可以有效保障船舶网络正常、安全工作。     

高损耗节点定位技术在船舶通信网中的研究

随着当前航运事业的迅速发展,对船舶海上作业的安全和效率提出了更高要求。在船舶的航行过程中,网络系统中节点的选取和定位对船舶航行的稳定和安全产生直接影响。为了更好的对船舶通信网络进行研究,保障船舶可在复杂环境下高效准确的进行信息传输和获取的通信功能,基于高损耗节点定位技术对远距离船舶通信网络分布特点进行研究和设计,从而达到降低信息传输干扰,提高船舶网络通信准度和速度的设计目标。为验证该方法的可行性进行了实验检测,实验结果证实,该方法可有效降低外界干扰,提高通信网络节点通信强度,以便在较为复杂的情况下仍能保持船舶移动通信的稳定性和准确性,保障船舶通信系统的正常运行。     

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。     

船舶用无线传感网络的通信节点优化与控制选取技术

随着当前船舶自动化、高速化的发展趋势,船舶通信设备功能也日趋复杂,对无线网传感通信控制技术要求也逐渐增高。无线传感通信网络控制技术的运行效果直接影响船舶航行安全,由于船舶航行过程中数据种类复杂多样,传统船舶网络通信控制技术难以及时对船舶网络信息节点进行优化。因此,对当前常用的船舶无线传感网络通信控制技术进行分析,结合环型拓扑结构的以太网的交换机模型对通信节点优化控制方法进行创新,从而改善传统方法中存在的数据传输误差等问题。为了验证方法的使用效果,对数据传输的精准度和时延情况进行检测,检测结果表明,结合环型拓扑结构的交换式以太网的交换机模型对通信节点优化控制方法可有效减少信息传输延时和误差问题,具有较高的可行性。     

舰船通信网络中的故障节点定位研究

针对船舶通信网络故障节点定位受到高重频干扰的影响,以提高船舶通信网络故障节点的定位精度为目的,提出舰船通信网络中的故障节点定位研究。利用船舶通信网络可疑故障节点的特征,修改节点负荷功率的等效量测,通过可疑故障节点排序流程,完成可疑故障节点的排序;采用粒子群描述故障节点的初始速度和位置参数,消除了故障节点定位的干扰,实现了船舶通信网络故障节点的定位。结果表明,与基于云计算的定位方法相比,提出的定位方法具有较高的定位精度和实用价值。     

云计算船舶通信网络的入侵特征提取与检测

船舶通信网络入侵特征具有宽带严平稳性,导致在入侵检测中容易受到小扰动影响,检测性能不好,在云计算环境下,提出基于时间尺度分解和谱密度特征提取的船舶通信网络的入侵特征提取与检测方法。构建云计算船舶通信网络入侵信息流检测模型,采用时频分析方法进行入侵特征的时延尺度分析,结合匹配滤波方法进行船舶通信网络的干扰滤波,对滤波后的网络传输信号进行谱分析,提取谱密度特征,根据谱密度分布的差异性实现对入侵特征提取和信号检测。仿真结果表明,采用该方法进行云计算船舶通信网络入侵检测的准确概率较高,保障了网络安全。     

大规模船舶通信网络数据量估计数学模型构建与仿真分析

针对原有船舶通信网络数据量估计的数学模型对网络数据量展开预估时,网络节点定位估算能力较差的问题,设计大规模船舶通信网络数据量估计的数学模型构建。根据设定的数学模型构建流程,采用MLCEC算法提升网络节点的预估精度,获取通信网络节点估算值。而后,在估算的节点位置设定传感器获取单一节点数据收发量,设定计算过程,对通信网络中节点数据收发量展开统计,得出船舶通信网络数据量预估值。至此,大规模船舶通信网络数据量估计的数学模型构建完成。设计仿真分析环节,通过与原有数据模型相比,此数学模型对通信网络中节点位置的定位与估算精度较高。综上可知,大规模船舶通信网络数据量估计的数学模型估算效果优于原有模型。     

云计算船舶通信网络的入侵特征提取与检测

为使处于航行状态下的船舶具备良好通信条件,设计一种新型船舶通信网络的入侵提取与检测方法。以云计算环境作为物理搭建背景,通过特征比对序列构建、粗提取算子确定的方法,完成船舶通信网络的入侵特征提取。在此基础上,利用Modbus TCP安全协议,构建基础的船舶通信网络检测证人链,并根据具体网络运行需求,分析所需遵循的检测率,完成云计算船舶通信网络入侵特征检测与提取方法的构建。实用对比结果显示,与常见处理手段相比,应用新型入侵提取与检测方法后,船舶通信网络的基础维护量得到稳定提升,单位时间内信息通量的最大值状态得到有效延伸,具备构建良好船舶通信条件的物理能力。     

移动船舶通信网络的信道均衡技术研究

信道均衡是保障移动船舶通信网络的一项关键技术,当前移动船舶通信网络信道均衡方法存在误码率高,网络数据重传次数多等不足,为了更好保证移动船舶通信网络高效工作,设计一种性能优异的移动船舶通信网络信道均衡方法。首先对当前移动船舶通信网络信道均衡技术的研究现状进行分析,设计了移动船舶通信网络信道模型,然后采用蚁群算法找到移动船舶通信网络的最优通信信道,给用户提供最优的通信信道,最后的仿真对比测试结果表明,本文方法可以降低移动船舶通信网络的数据传输误码率,改善移动船舶通信网络的数据吞吐量,具有较好的实际应用价值。     

基于大数据分析的船舶通信网络优化研究

网络优化是提高船舶通信系统工作性能的重要方法,针对当前船舶通信网络优化存在工作效率低,节点能量消耗大等缺点,设计基于大数据分析的船舶通信网络优化方法。首先以数据传输能量最小为目标建立船舶通信网络优化的数学模型,然后将船舶通信网络优化问题看作为一个大数据分析处理,通过云平台对数学模型进行并行求解,每一个子任务组合模型对数据传输能耗进行预测,选择能耗最小路由进行数据传输,最后进行船舶通信网络优化方法性能的仿真测试。测试结果表明,本文可以有效对船舶通信网络进行优化,提高了船舶通信系统的数据传输速度和成功率,具有十分广泛的应用前景。