大数据挖掘在船舶通信网络安全预警中的应用

为了缩短船舶海上航行过程中通信网络安全的预警时间,确保船舶航行的安全性,提出大数据挖掘在船舶通信网络安全预警中的应用。利用数据采集工具包中的采集函数,设计船舶通信网络安全数据的采集流程,完成船舶通信网络安全数据的采集;基于船舶通信网络安全预警模型的构建过程分析,完成船舶通信网络安全预警模型的建立;最后通过船舶通信网络安全预警流程设计,实现了基于大数据挖掘的船舶通信网络安全的预警。仿真实验结果表明,基于大数据挖掘的预警方法相比基于态势感知的预警方法,发出预警信息的时间更短,具有较高的预警能力。     

基于船舶大数据平台的物联网数据挖掘研究

海上监测平台通过传感器网络获取大量的海洋环境数据和船舶航行数据,由于作业平台的网络不稳定,数据来源广、类型多,不便于管理,因此,设计合理的船舶数据平台管理系统有重要意义。本研究充分结合物联网技术和传感器融合技术,对船舶大数据平台的数据管理和数据挖掘进行了系统的研究,并设计了一种聚类数据挖掘算法和数据挖掘引擎。     

船舶通信网络垃圾邮件的检测分析

垃圾邮件占用大量的船舶通信网络通信资源,而且危及船舶通信网络安全,针对当前船舶通信网络垃圾邮件检测率低,检测时间复杂度高的难题,设计基于数据挖掘的船舶通信网络垃圾邮件检测方法。首先对船舶通信网络垃圾邮件检测原理进行分析,提取船舶通信网络垃圾邮件检测特征,然后采用数据挖掘方法对船舶通信网络垃圾邮件检测特征进行分析,建立船舶通信网络垃圾邮件检测的分类器,最后进行船舶通信网络垃圾邮件检测实证分析,分析结果表明本文方法的船舶通信网络垃圾邮件检测正确率超过了90%,远远高于船舶通信网络垃圾邮件检测的实际要求,降低了船舶通信网络垃圾邮件检测时间复杂度,是一种有效的船舶通信网络垃圾邮件检测手段。     

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。     

基于数据挖掘的船舶海上物流供应链建模研究

船舶海上物流供应链的研究主要依靠大量数据,传统的模型中存在数据聚合度低的问题,因此,提出基于数据挖掘的船舶海上物流供应链建模研究。以星型结构建立数据仓库,生成数据库存事务表,以仓库中数据为依据,使用数据挖掘技术实现高维数据聚类,根据货物流向特点,结合RFID技术构建海上物流供应链工作流模型,达到供应链研究目的。实验结果表明:与传统的模型相比,设计的基于数据挖掘的船舶海上物流供应链模型的数据聚合度更高,说明该模型适合应用在船舶海上物流供应链研究中。     

基于嵌入式技术的船舶故障诊断控制器设计

船舶故障诊断是船舶运输航行的重要技术支持,为了有效提高船舶故障诊断效果,基于嵌入式技术设计新型船舶故障诊断控制器。该控制器从故障异常数据入手,首先建立故障训练样本,用于表示船舶正常航行以及多类型故障时的数据标数,根据训练样本,提取当前故障信号诊断特征,并利用最小二乘法对上述建立的训练样本数据进行直接限制,完成诊断特征分类,将分类后的数据进行信号去噪,消除无用数据,确定信号标度因子值,通过数据清洗,重新划分定位故障数据,实现故障诊断。实验数据表明,应用该故障诊断控制器,故障诊断率提高了22%,故障误判率降低了30%,有效提高船舶故障诊断控制效果。     

无线网络的舰船交通数据挖掘技术

现有数据挖掘技术在确定关联规则时,忽略了时空数据因果关联关系,影响轨迹聚类效果,提出一种无线网络的舰船交通数据挖掘技术。从节点覆盖和容量估算两方面,部署舰船无线网络节点,确保无线网络规划的有效性。对无线网络采集的交通状态数据,计算传递信息熵,建立时空数据因果关联关系,以此为关联规则,设计数据挖掘算法确定轨迹聚类。实验结果表明,本文提出的数据挖掘技术,在轮廓系数和CH指数2个指标上的聚类效果优于对比方法,具有良好的应用前景。     

基于特征优化和机器学习算法的舰船网络非法入侵行为识别

舰船网络非法入侵行为识别受到识别算法的影响,使得误检率较高。因此,提出特征优化和机器学习算法的舰船网络非法入侵行为识别方法设计。采用自适应遗传算法,完成舰船网络数据特征优化处理,有效提升了识别效率。以SVM算法为核心设计行为分类算法,完成舰船网络数据的分类。最后,通过构建网络非法入侵行为识别模型,实现非法入侵行为的准确识别。实验结果表明:从单一类型非法入侵行为识别结果分析,本文方法的平均误检率相比传统方法降低了4.8%,8.69%;从多种类型非法入侵行为识别结果分析,本文方法将平均误检率分别降低了10.02%、10.74%。     

基于AIS数据约束聚类的海上交通特征分析

为识别船舶交通流,分析海上交通特征,根据海上交通工程理论和数据挖掘技术,考虑AIS数据点的多种属性约束,改进一种基于密度的聚类算法,从大量AIS数据中解析不同类型的船舶交通流,计算平均航向和航速,并选取浙沪交界复杂水域进行实例验证。聚类结果与实际相符,证实了算法的可行性和有效性。     

云存储环境下的船舶航行数据访问控制方法

对船舶航行数据进行访问控制是实现数据机密性和进行隐私保护的重要手段,但是由于用户对数据密钥的获取权限完全由数据属主控制,权限管理的复杂程度将随数据量和用户量的增长显著提高,影响数据访问控制效果。针对上述问题,提出一种新型船舶航行数据访问控制方法——AB-ACCS。AB-ACCS对数据访问的安全性进行假定,并以此为出发点进行AB-ACCS基本设计,在设计过程中对访问用户的身份进行测定,授予或取消用户的访问能力,如果用户身份合理,则对用户读写数据过程进行再次控制,保证数据的安全性。控制方法设计完成后,对其进行实验分析,结果表明:AB-ACCS方法显著降低了数据访问控制的复杂性。