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。     

云计算船舶移动网络强入侵攻击防御研究

为了提高船舶移动网络的安全性,提出基于云计算的船舶移动网络强入侵攻击防御方法。建立的船舶移动网络强入侵信号模型,采用频谱滤波方法进行船舶移动网络强入侵的干扰抑制,结合多径合并方法进行船舶移动网络强入侵特征关联规则挖掘,提取船舶移动网络强入侵的异常波谱特征量,根据谱分布的差异性,实现对船舶移动网络强入侵特征的模糊聚类处理。在云计算环境下,建立船舶移动网络强入侵的攻击防御滤波检测模型,实现船舶移动网络强入侵攻击防御优化。仿真结果表明,采用该方法进行船舶移动网络强入侵攻击防御的有效性较好,提高了入侵检测能力。     

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。     

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。     

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。     

舰船监控网络入侵的实时检测研究

传统舰船监控网络入侵检测方法实时性差,无法及时发现舰船监控网络中的入侵行为。为了满足舰船监控网络入侵检测的实时性,加快舰船监控网络入侵检测速度,提出一种舰船监控网络入侵的实时检测方法。首先提取舰船监控网络入侵行为特征,然后引入特征降维算法对舰船监控网络入侵行为进行处理,使得舰船监控网络入侵行为特征数量变少,最后引入支持向量机对舰船监控网络入侵行为进行分类和检测,并通过实例分析本文方法的有效性。结果表明,本文方法能够有效防止出现"维数灾"现象,具有较好的舰船监控网络入侵检测实时性,提高入侵检测的准确性,能够有效保证舰船监控网络安全。     

舰船用通信网络的入侵检测技术研究

舰船用通信网络容易受到敌方电磁场的入侵干扰,导致通信受阻,通过入侵检测,提高舰船用通信网络的抗毁性。提出一种基于自适应线谱增强和滤波技术的舰船用通信网络的入侵检测技术。采用多源波束形成方法进行舰船用通信网络传输信号采集,对采集的通信信号进行自适应线谱增强处理,提高网络通信信号的增益强度,对增强的网络通信信号进行抗干扰滤波设计,采用梯度算法对滤波输出的舰船用通信网络传输信号进行自适应迭代,准确检测出信号中的入侵成分。仿真结果表明,采用该检测技术进行舰船用通信网络的入侵检测的准确检测概率较高,抗电磁干扰能力较强。     

灰色模型的船舶物联网异常行为实时检测

当前船舶网络异常行为检测逐渐成为航海领域研究的重点问题之一,为了更好保障船舶航行效果,避免航行过程中信息传输和处理的干扰问题,对灰色模型的船舶物联网异常行为实时检测方法进行优化,基于传统实时检测过程中,数据量较大、处理效果不佳、准确率低等问题,结合灰色模型,对船舶网络信息特征行为进行采集和去噪处理,实现对船舶异常行为信息的有效分类和传输,以提高船舶网络异常行为实时检测的准确性和有效性。最后通过实验证实,灰色模型的船舶物联网异常行为实时检测方法在实际应用过程中,处理效果明显更好,且准确性也得到明显提高,充分满足研究要求。     

云计算环境下船舶监控网络异常数据检测方法

在船舶监控网络高度应用的今天,监控网络异常数据检测受到了学术界以及船舶制造业的高度关注。就目前的船舶监控网络异常数据检测方法而言,其计算能力较低,导致异常数据误报率较高。针对此问题,设计云计算环境下船舶监控网络异常数据检测方法。使用相似度函数对监控节点数据展开相似性检测,初步确定数据异常节点位置。根据节点位置,对监控网络数据进行时间序列检测,确定异常数据输出时间。对上述两部分进行融合处理,完成异常数据检测方法的设计过程。经对比实验验证可知,此方法在应用中具有误报率低,计算效率较高的优点,可将其应用到后续的船舶监控网络数据处理过程中。     

船舶网络安全防护下入侵病毒检测及防御研究

传统的船舶网络安全防护下入侵病毒检测及防御方法性能较差,为此提出船舶网络安全防护下入侵病毒检测及防御方法研究。采用稀疏自编码器对采集的船舶网络信息进行编码,通过神经网络算法对入侵病毒进行检测,以检测到的入侵病毒为依据,采用聚类方法对其特征进行提取,构建入侵病毒防御模型,通过模型实现了船舶网络安全防护下入侵病毒的检测及防御。通过实验可得,提出的船舶网络安全防护下入侵病毒检测及防御方法有效防御率比传统方法高出31.5%,说明提出的船舶网络安全防护下入侵病毒检测及防御方法具备更好的性能。