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。     

舰船通信网络入侵风险等级分类系统设计

针对原有入侵风险等级分类系统对入侵信息等级划分具有误差性的问题,设计舰船通信网络入侵风险等级分类系统。此次系统设计的硬件部分沿用原有系统的硬件部分,仅增加网络信号处理设备,提升通信网络对入侵信息的处理能力。采用上述硬件结合网络数据分类结果与K均值算法,获取网络中的异常信号信息。应用风险严重等级的置信度函数计算信息的风险等级,按照风险等级分类结果完成对信息的分类工作。至此,舰船通信网络入侵风险等级分类系统设计完成。构建系统性能测试环节,与原有系统相比,此系统的信息风险等级结果与样本设定一致。综上所述,此系统的风险等级分类效果较好,与原有系统相比更具优越性。     

船舶网络入侵风险等级估算研究

传统船舶网络入侵风险等级估算方法,存在风险数据局部搜索时间过长、风险等级估算准确性较低等弊端。为解决上述问题,建立基于BP神经网络的新型船舶入侵风险等级估算方法。通过网络结构的确定、初始值及阈值的选取,完成BP船舶神经网络的搭建。通过入侵数据采集、数据风险等级分类、风险度量评估,完成新型船舶网络入侵风险等级估算方法的搭建。设计对比实验结果表明,新型方法与传统方法相比,适当缩短风险数据局部搜索时间,并提升风险等级的估算准确性。     

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。     

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。     

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。     

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。     

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。     

基于机器学习算法的船舶通信网络信道估计

针对传统船舶通信网络信道估计方法调控响应性能较差的问题,提出一种基于机器学习算法的船舶通信网络信道估计方法。在物理层LTE协议中定义导频序列,基于gold序列设计船舶通信网络信道的导频序列,通过奈奎斯特定理决定导频信号的插入密度,在设计的船舶通信网络信道导频序列中按照该密度插入导频信号,基于机器学习算法拟合不同时间点同一子帧内的信道估计值,以实现船舶通信网络的信道估计。为了证明基于机器学习算法的船舶通信网络信道估计方法的调控响应性能较强,比较该方法与传统船舶通信网络信道估方法。实验结果证明该方法的调控曲线拟合性最强,即该方法的调控响应性能优于实验中的传统方法,证明了该方法的优越性。     

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。     

现代机器学习算法的船舶配电网运行状态评估

为保证评估全面性,指标选取会很多,但与此同时会导致运算量过大,使得船舶耗能增大。针对上述问题,提出现代机器学习算法的船舶配电网运行状态评估方法。该研究利用机器学习算法中的加权聚类算法计算指标到聚类中心的距离,根据距离选择评估指标,以选取的指标作为神经网络评估模型的输入变量,在隐含层计算指标与权值乘积分值,根据分值比对配电网运行状态等级划分表,在输出层得出配电网运行状态。结果表明:所研究方法应用下,评估结果与实时检测结果一致,且运算量更小(156),达到研究目标,为配电网故障处理提供可靠依据。     

船舶监控网络入侵检测系统设计

为了提高船舶监控网络的安全性,进行网络入侵的准确检测,提出一种基于数据流的船舶监控网络入侵检测系统设计方法,采用数据流异常特征检测方法进行网络入侵检测算法设计,采用自适应波束形成方法进行船舶监控网络传输数据流的聚焦处理,提取船舶监控网络传输数据流的多源波束特征量,实现异常监控识别,对提取的异常监控信息进行分类处理,实现入侵检测。在嵌入式ARM环境中进行入侵检测系统软件设计。仿真结果表明,采用该系统进行船舶监控网络入侵检测的准确性较高,网络安全性较好。     

船舶网络中的高精度入侵检测方法

分析当前船舶网络中危险数据,采用传统入侵检测方法存在检测精准度低的问题,在此基础上,提出船舶网络中的高精度入侵检测方法设计。在网络入侵检测之前,需先正确区分入侵行为,找到拟合函数,并描述网络入侵种类与特征之间映射关系。通过确定两者映射关系,对数据进行身份认证和加密处理,并由此构建分类超平面。采用拉格朗日函数分析对偶形式,确定权值,并构建网络入侵检测的分类支持向量机,获取入侵数据分组结果。借助Libpcap库函数,对不同数据包中的数据及规则展开分析,由此设计具体检测流程。由仿真实验结果可知,所研究方法检测精准度最高可达到99%,满足高精度入侵检测需求,为保证船舶网络安全提供设备支持。     

基于PLC模糊控制的船舶噪声干扰源抑制方法研究

现有船舶噪声抑制方法中采用的噪声抑制算法,存在噪声源消除计算不彻底的问题,因此,提出基于PLC模糊控制的船舶噪声干扰源抑制方法研究。针对船舶的噪声干扰源进行来向估计分析,根据分析结果进行信号噪声权值计算,引入模糊控制噪声抑制算法,对船舶噪声源进行消除计算。最后,通过设计的仿真实验对提出的设计方法进行可行性测试,证明提出的方法具有噪声干扰源抑制准确率高、噪声源抑制消除效果彻底的特点。     

基于Mini-batch神经网络的船舶柴油机风险等级预测

文章针对现有的船舶柴油机健康管理智能化程度不高、管理技术落后等问题,引入神经网络风险预测方法。提出Mini-batch梯度下降方法,通过在网络训练不同阶段使用不同权重的训练样本,提升原有全量梯度下降算法预测模型不准确和较难更新等问题。并从船舶柴油机在一次机务风险所承担的风险着手,建立设备健康风险状态的综合评价指标体系,通过Minibatch梯度下降优化了风险等级分类器。结果表明,该方法能够对柴油机风险等级进行有效预测。     

船舶通信网络安全风险评估云计算平台设计

以解决船舶通信网络安全风险评估问题,保障船舶通信网络安全为目的,设计船舶通信网络安全风险评估的云计算平台。从数据源内采集船舶通信网络相关数据并分别存储在不同类型数据库内,数据挖掘分析层分析所采集数据,构建由物理、软件、网络安全管理组成的船舶通信网络安全风险评估指标体系,利用风险评估模型获取船舶通信网络安全风险评估结果。船舶通信网络组件服务层将评估结果等以组件形式传输至船舶通信网络应用展示层内,向用户提供可视化结果查询等功能。实验结果显示,该平台能够准确评估船舶通信网络安全风险等级,保障船舶通信网络安全。     

船用电容式传感器高频信号盲处理优化算法

传统船舶电容式信号盲处理算法在对高频信号处理过程中,受到时域空间信号排列差异影响,存在处理信号编码多路径衰减过大的问题。因此提出船用电容式传感器高频信号盲处理优化算法研究。根据电容传感器信号构成空间特点,建立高频信号的时域模型;在模型引导下,对高频信号时域序列特征进行提取;最后对提取的高频信号特征量进行盲处理阈值优化,提升信号时域抗扰对称性,降低高频信号盲处理过程中的编码多路径衰减比率。通过对比实验,对传统船舶电容式信号盲处理算法与提出算法进行数据比对,通过比对结果证明提出方法具有降低信号衰减的效果。     

船舶信息传输网络用户访问安全性研究

针对当前船舶网络信息用户访问传输系统中存在的精度低、速度慢,安全性能较差等问题进行深入研究,为保证舰船网络用户通信访问的安全性,提出基于统计学的船舶信息传输网络用户访问安全性算法。通过对船舶用户网络信息访问和传输安全的机密性、完整性、可用性向量进行分析,构建了网络信息传输安全评估体系。由此生成网络信息安全控制模型并对该模型进行安全性评估,以便实现多用户之间的网络信息访问传输资源共享安全控制,最终实现基于统计学的船舶信息传输网络的安全访问算法。最后对上述设计的有效性进行实验,实验结果表明,基于统计学的船舶信息传输网络用户访问安全性研究能够有效提高舰船网络访问控制的安全性,具有精准度高、评估速度快、安全性强等优势,对日常的大型船舶移动网络信息传输安全防护起到指导作用。     

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。     

网络优化调度算法在船舶大数据通信中的应用

针对船舶大数据通信存在的通信障碍问题,提出一种基于网络优化调度算法的船舶大数据通信方案。结合网络优化调度算法对船舶大数据通信特征信息进行采集,并划分通信数据的特征类别,以保证在复杂还有环境下船舶通信的有效性。利用网络优化调度技术,对船舶通信数据进行有效调度,进行数据类别划分和去噪清洗处理。为了保证数据处理效果,对数据处理步骤进行优化,并按照网络数据结构及链路进行数据分组传输,保证船舶数据通信的有效性。最后通过实验证实,相对于传统船舶通信方法而言,网络优化调度算法在船舶大数据通信中的应用效果明显更优,能显著提高船舶通信数据调度任务的执行和传输效率,有效解决现有通信障碍问题。