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。     

船舶网络非法入侵行为的电子取证和识别研究

随着信息化和网络技术的发展,舰船计算机网络的规模越来越大,在舰船通信、导航、控制方面发挥的作用也越来越大。与此同时,舰船计算机网络面临的安全问题更加突出,尤其是舰船网络存在大量的非法入侵和数据干扰行为,因此,提高舰船计算机网络的安全性非常有必要。本文重点分析网络入侵行为的电子取证技术,构建舰船网络非法入侵的电子取证模型,并结合硬件平台进行网络非法入侵行为的电子取证和识别。     

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。     

舰船通信网络感知层异常入侵行为集成识别方法

为了缩短异常入侵行为集成识别的时间,提高舰船通信网络感知层异常入侵行为的识别能力,提出了舰船通信网络感知层异常入侵行为集成识别方法。采取短时过零率与短时能量相结合的方式,得到了舰船通信网络感知层异常入侵行为特征的提取流程,完成了舰船通信网络感知层异常入侵行为的特征提取;又结合异常入侵行为集成识别流程的设计,实现了舰船通信网络感知层的异常入侵行为集成识别。对比实验结果证明,提出的异常入侵行为识别方法与基于数据挖掘的识别方法相比,异常入侵行为的识别能力提高了56.8%。     

基于云计算的船舶通信网络入侵特征提取方法

普通船舶通信特征提取方法,不能根据入侵数据所处位置,快速完成数据特征的提取。为有效解决上述问题,设计基于云计算的船舶通信网络入侵特征提取方法。通过船舶通信入侵问题描述、特征数据的信号处理,完成云计算环境下,船舶通信入侵特征数据的确定。通过入侵特征架构的搭建、多序列船舶数据入侵特征提取,完成基于云计算的船舶通信网络入侵特征提取方法的搭建。设计对比实验结果表明,新型特征提取方法,与传统方法相比,可更加准确的确定入侵数据所处位置,并适当缩短完成数据特征提取所需时间。     

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%。     

多信道舰船无线移动通信网络混合入侵数据挖掘方法

为提高混合入侵数据挖掘量,提出多信道舰船无线移动通信网络混合入侵数据挖掘方法。设计混合入侵数据检测流程,检测网络混合入侵数据;比较正常数据特征与混合入侵数据特征,计算2个数据集关系,提取的混合入侵数据特征;计算混合入侵数据特征数据邻域距离、可达距离和可达密度,设计混合入侵数据挖掘流程,挖掘多信道舰船无线移动通信网络混合入侵数据,设计混合入侵数据攻击类型。实验结果表明,本文方法的挖掘混合入侵数据量高于对比方法,挖掘混合入侵数据用时更少,具有较优的混合入侵数据挖掘效果。     

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。     

舰船电子通信网络入侵检测系统

针对传统入侵检测系统的准确率无法满足检测性能要求,提出了舰船电子通信网络入侵检测系统设计。通过设计舰船电子通信网络入侵数据解析模块和检测模块,完成了系统的硬件设计,在选择舰船电子通信网络入侵特征参数的基础上,利用深度解析协议设计了舰船电子通信网络入侵检测算法,完成了软件设计,实现了舰船电子通信网络的入侵检测。测试结果表明,文中入侵检测系统无论在假冒入侵攻击下还是编造入侵攻击下,都具有更高的检测准确率。     

基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

云计算下海上通信网络异类入侵数据实时检测系统设计

为解决目前广泛使用的通信网络异类入侵数据实时检测系统应用船舶海上通信监测时,存在检测精度较低的不足,提出了云计算下海上通信网络异类入侵数据实时检测系统设计。基于系统架构设计,以及异常数据采集与检测模块设计,实现实时监测系统的硬件设计,依托软件设计,完成了提出的云计算下海上通信网络异类入侵数据实时检测系统设计。试验数据表明,在海上通信环境下,提出的入侵检测系统较目前广泛采用的入侵检测系统检测精度提高37.73%,适合于船舶海上通信网络异类入侵数据实时检测。     

无线通信技术舰船网络安全预警系统

目前提出的预警系统预警精准度较低,导致预警时间过长。基于无线通信技术提出一种新的舰船网络安全预警系统,对系统的硬件和软件进行设计,硬件选择增加嵌入式集成化芯片负责数据信息保护部分,其他数据信息处理主要由系统核心处理器进行处理操作。将运算程序得到的运算结果导入到识别程序中,通过神经网络设定的相关网络安全状态,对数据信息进行检测与匹配,形成关于网络安全状况的描述判定。将检测结果传输的处理系统中,处理系统根据安全状态及其变化情况做出相应的指令操作,实现软件预警。实验结果表明,无线通信技术舰船网络安全预警系统能有效提高精准度,降低预警时间。     

船舶传感网络入侵异常行为特征提取系统

传感网络是船舶采集自身航行状态信息和海洋环境信息的重要装置,也是集成网络技术、传感器技术和通信技术的一种新兴技术。船舶传感网络中含有大量有价值的数据,传感网络的入侵等异常行为时有发生,因此,加强无线传感网络的安全防护非常必要。本文首先介绍一种传感器网络的分簇算法,在该算法的基础上,针对船舶传感网络的入侵行为设计几种不同的检测方案,并建立网络入侵行为的特征提取方案,取得了良好的效果。     

舰船通信网络的数据状态识别方法

传统数据状态识别方法降噪效果不佳,导致离散点匹配出错,影响数据状态识别效果,因此提出全新的舰船通信网络的数据状态识别方法。通过转换噪声信号的时域和频域特征,处理通信网络空间噪声;利用离群点检测模型,匹配网络通信数据;获取识别任务关键因素,识别舰船通信网络的数据状态。实验结果:与传统方法相比,所提出方法的离散点匹配结果更准确,同时该方法可以正确识别出通信网络中的数据状态。     

舰船通信系统终端软件的漏洞智能检测方法

传统舰船通信系统终端软件漏洞检测方法在实际应用过程中存在多样性漏洞特征检测自适应性差,导致全局漏洞检测精准度降低的问题。因此,结合当下通信系统的信息即时性与交互实时性特点,提出舰船通信系统终端软件的漏洞智能检测方法研究。根据船舶通信系统终端软件即时交互协议特点,对其协议进行即时协议漏洞分析;根据分析结果对其进行漏洞数据进行多属性特征模糊定位;通过粒子群算法对多属性类别漏洞进行精准定位,并在此计算过程中优化漏洞检测阈值的适应范围。通过实验数据对比结果表明:提出的漏洞检测方法,能够适应多种类型的漏洞识别,且识别精准度较传统方法提升46.18%。     

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。     

舰船通信网络分布式数据多状态识别技术研究

传统识别技术手段不能在适应网络通信量改变的同时,调整数据的分布状态。为解决上述问题,提出基于船舶分布式通信网络环境的数据多状态识别技术。通过单点分布框架设计、通信协议选择2个步骤,完成舰船分布式通信网络环境的搭建。在此基础上,通过多状态相似度确定、识别密度确定2个步骤,实现新型舰船数据识别技术的顺利运行。分析对比实验结果可知,与传统识别技术手段对比,应用基于船舶分布式通信网络环境数据多状态识别技术后,网络通信量适应程度、数据调整及时性都得到适当提升。     

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。     

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。     

连续干扰下船舶障碍物自动识别技术

针对传统识别技术依靠人工完成而导致识别精准度低的问题,提出了连续干扰下船舶障碍物自动识别技术研究。使用激光雷达设备获取实时采集图像数据,并对其处理,根据处理流程,分析船舶障碍物几何特征。使用自适应滤波滤除图像中噪点,分割目标亮度区域和背景噪声区域,滤除背景噪声,构建自适应滤波模型。在分割自适应滤波图像基础上,将信息转换为数据形式,使用栅格化处理方式,将网格划分为有障碍点网格和无障碍点网格,由此设计识别流程。引入障碍物不确定速度障碍区域,设计避障方案。通过实验结果可知,该技术与实际信号幅度最大误差为0.05 dB,可忽略不计,且最高识别精准度为0.97,具有精准识别效果。