The Anomaly Detection in SMTP Traffic Based on Leaky Integrate-and-Fire Model

Introduction TheSMTP[1]isusedasthebasisformost electronicmail.EmailisthemostpopularInternet servicenow[2],anditallowspeopletocommuni-catebyexchangingelectronicmessagesglobally.Thesemessagescanbedeliveredinafewseconds toacoupleofhours.Anaddedattractionisthe relativelylowcostofsendinglargemessages.Combined,thesebenefitsgiveusersaconvincing argumentforaccesstoemail,andthustheconnec-tionoftheirsystemstotheInternet.SMTPisasimpleprotocolandcontainsonlya fewbasiccommands.Thereareseveralsecurity …     

基于深度学习的车辆轨迹重建与异常轨迹识别

车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战.本文构建基于数据增强的LSTM-AE-Attention深度学习模型,进行车辆轨迹重建和异常轨迹识别.首先,使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集,实现数据增强;其次,通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹...     

基于转移和频率特征的协议异常检测

协议异常检测是目前入侵检测领域研究的新方向．本文研究状态的转移特性和频率特性,在此基础上建立模型进行协议异常检测．模型的训练和检测使用DARPA 1999年的数据集,实验结果验证了所建立模型的准确性．     

Real-time pressure based diagnosis method for oil pipeline leakage

As detecting the pressure signal is the main method in the real-time leak diagnosis of long pipeline, an abnormal pressure diagnosis method is proposed to make the leak diagnosis rapidly and accurately. Firstly, a combination filter algorithm is designed to realize noise reduction. Then, an anomaly detection algorithm is designed to detect abnormal pressure on the head and tail of the pipeline. Finally, the relevancy of the detected novelties is computed by Pearson correlation coefficient to identify the leakages. The experimental results show that the proposed method can rapidly detect the leakage with few false alarms and accurately locate the position of the leakage.     

Intrusion detection model with twin support vector machines

Intrusion detection system （IDS） is becoming a critical component of network security. However, the performance of many proposed intelligent intrusion detection models is still not competent to be applied to real network security. This paper aims to explore a novel and effective approach to significantly improve the performance of IDS. An intrusion detection model with twin support vector machines （TWSVMs） is proposed. In this model, an etficient algorithm is also proposed to determine the parameter of TWSVMs. The performance of the proposed intrusion detection model is evaluated with KDD＇99 dataset and is compared with those of some recent intrusion detection models. The results demonstrate that the proposed intrusion detection model achieves remarkable improvement in intrusion detection rate and more balanced performance on each type of attacks. Moreover, TWSVMs consume much less training time than standard support vector machines （SVMs）.     

FAULT IDENTIFICATION IN HETEROGENEOUS NETWORKS USING TIME SERIES ANALYSIS

Fault management is crucial to provide quality of service grantees for the future networks, and fault identification is an essential part of it. A novel fault identification algorithm is proposed in this paper, which focuses on the anomaly detection of network traffic. Since the fault identification has been achieved using statistical information in management information base, the algorithm is compatible with the existing simple network management protocol framework. The network traffic time series is verified to be non-stationary. By fitting the adaptive autoregressive model, the series is transformed into a multidimensional vector. The training samples and identifiers are acquired from the network simulation. A k-nearest neighbor classifier identifies the system faults after being trained. The experiment results are consistent with the given fault scenarios, Which prove the accuracy of the algorithm. The identification errors are discussed to illustrate that the novel fault identification algorithm is adaptive in the fault scenarios with network traffic change.     

汽车制动力曲线异常检测

研究了制动力曲线异常检测方法, 分析了回踩异常特性, 考虑了制动力检测工况和制动力曲线变化趋势, 基于余弦相似度与相对误差, 对制动力数据进行聚类, 建立了制动力曲线分段算法; 将制动力曲线分为阻滞段、上升段、持续段和释放段, 提取出相应的数据子集; 对3家检验机构的9 120条制动力曲线进行人工筛选和分析, 归纳了制动超前、回踩、增长滞后3种异常特征, 给出了相应异常检测算法; 对于较难识别的回踩异常, 根据动态规划思想, 找出上升段最长连续趋势下降子序列, 计算了该子序列占制动力曲线上升段的行程比, 并结合经验值来判定该子序列是否异常。研究结果表明: 对于维度不大于32的低维制动力数据, 通过余弦相似度可聚类制动力曲线的阻滞段、上升段、持续段和释放段; 对于维度大于32的高维数据, 因为维数较高, 行程比较小, 分界点对整个序列相似度影响较小, 在这种情况下, 必须在考虑相似度的情况下, 通过分界点的相对误差进一步约束聚类结果, 可以确定制动力曲线的阻滞段、上升段、持续段和释放段; 由于采集的回踩子序列占制动力曲线的行程比为9.8%, 大于行程比的经验阈值8.2%, 因此, 该制动力曲线具有回踩异常, 判断结果正确, 方法可靠。      

普适计算技术在健康看护领域的现状分析与发展趋势

作为一种新兴的健康看护模式,普适健康看护(PHC)在支持看护对象移动性的同时,可提供持续的健康看护以及实时异常检测的能力。目前,实际商用监测设备或原型系统所提供的看护服务在实时性、执行效率以及上下文敏感的异常检测可靠性等方面与理想的PHC服务还存在巨大的差距。本文重点调研了当前PHC系统的应用原型、系统模型以及上下文感知异常检测技术,并展望了PHC技术的发展趋势。     

基于频率测量的高层建筑地震作用损伤分析

为寻找一种更有效的地震引起的高层建筑损伤识别方法,在前人研究的基础上,根据地震作用下高层建筑结构自振频率的变化规律,提出了一种新的损伤模型.该损伤模型考虑了高阶振型、振型参与系数、结构形式和结构自振频率测试方法等影响因素.利用所提出的损伤模型对2个高层混凝土结构模型模拟地震振动台试验数据进行了分析,结果表明,该损伤模型与试验现象基本吻合.     

基于结构相似深度卷积自编码的异常扣件检测模型

介绍了轨道扣件系统的基本功能，概述了已有的轨道异常扣件检测技术，归纳了基于机器视觉的传统检测方法和深度学习方法所关注的问题及存在的不足; 介绍了自编码的基本思想与形式化过程，提出了一种基于编解码架构的异常扣件检测模型; 分析了传统像素级图像相似度评价指标的缺陷，实现了基于结构相似的损失函数和图像异常判定; 构建了轨道扣件图像数据集，验证了模型的性能; 将代表性的误报与漏报图像可视化，描述了这些图像的表观特征，分析了发生漏报与误报可能的原因。研究结果表明:结构化相似指标显著提升了模型的检测性能，与具有相同网络架构但使用平均绝对误差和均方误差作为相似度评价指标的检测模型相比，模型的F值分别提升了14.5%和16.2%;与其他对比模型相比，提出的模型取得了最高的检测精确率和F值，分别达到了98.6%和98.1%，与次优的RotNet模型相比分别提升了6.0%和9.8%;召回率为97.1%，略低于深度支持向量数据描述(DSVDD)模型的98.4%;整体上看，F值比所有对比模型均高出超过9%，提出的模型表现出了明显的性能优势。      

基于视频深度学习的铁路周界入侵检测算法研究

基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤,具有成本低、误报率低的优点. 针对视频中存在不同分辨率目标的问题,提出一种改进的Cascade Mask RCNN( CMR)模型,使用级联结构获得目标的准确定位. 为增强模型对小目标的检测能力,在原始模型的基础上,增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块. 在实际铁路周界入侵场景视频中验证了模型的有效性. 结果表明,该模型可实现不同场景下的铁路周界入侵检测,相较于原始模型,新模型对小目标检测的F-measure 提高了0.24. 模型既解决了不同场景下铁路周界入侵检测问题,又有效地提高了视频智能分析对小目标检测的准确率.     

基于扩张卷积金字塔网络的车道线检测算法

为满足汽车高级驾驶辅助系统对车道线检测准确性和时效性的要求,采用改进的ResNet50网络作为基础模型提取局部车道线特征,利用扩张卷积能指数级扩大感受野的特点,设计了扩张卷积金字塔模块,用以完整提取不同尺度的车道线特征,提出“锚点栅格”的思想,将输出划分为一组栅格,对每个栅格进行分类和回归分析,经过非极大值抑制等后处理,最终输出车道线标记点集. 结果表明:在CULane多场景数据集里对模型进行测试,在交并比阈值取为0.3的评估条件下其综合评估指标F-measure达到78.6%,检测速率达到40帧/s,在评估指标相近的情况下具有远高于空间卷积神经网络（spatial convolutional neural networks,SCNN）模型的检测速率,并在眩光、弯道等困难场景中的检测效果优于SCNN.      

综合客运通道设计的双层规划模型及算法

描述了综合客运通道的网络结构,分析了通道内旅客出行的广义费用函数,将运输成本、安全性、舒适性等服务属性作为出行阻抗的度量因素,以添加新的旅客运输方式为手段来优化旅客运输网络,设计了综合客运通道离散型网络优化设计问题的双层规划模型,上层模型以网络容纳的OD需求量最大为目标,下层模型为用户平衡问题．采用分支定界法对模型进行求解,并通过算例证明了模型的有效性．根据结果比较各方案的单位投资额所引起的网络容纳OD需求增加量,进一步从投资效率角度解释了方案的优劣,分析表明,该模型和算法能够得到综合客运通道网络优化设计的最优投资方案,为建设决策部门提供定量的决策支持．     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

A multiscale superpixel-level salient object detection model using local-global contrast cue

The goal of salient object detection is to estimate the regions which are most likely to attract human’s visual attention. As an important image preprocessing procedure to reduce the computational complexity, salient object detection is still a challenging problem in computer vision. In this paper, we proposed a salient object detection model by integrating local and global superpixel contrast at multiple scales. Three features are computed to estimate the saliency of superpixel. Two optimization measures are utilized to refine the resulting saliency map. Extensive experiments with the state-of-the-art saliency models on four public datasets demonstrate the effectiveness of the proposed model.     

基于行为的高速公路收费员绩效管理实践

绩效管理是人力资源管理理论中最为重要的内容,是组织改进绩效的手段和工具,在企业实践中,绩效管理的操作和实施需结合实际情况,循序渐进逐步实施。本文结合高速公路收费所收费员岗位工作责任和业务操作,探索适应于收费员岗位的基于行为的绩效考核模式和操作要点,并在实践的基础上,提出绩效管理实施过程中应注意的几个问题。     

多尺度注意力学习的Faster R-CNN口罩人脸检测模型

针对在佩戴口罩等有遮挡条件下的人脸检测问题，提出了多尺度注意力学习的Faster R-CNN （MSAF R-CNN）人脸检测模型. 首先，为充分考虑人脸目标多尺度信息，相较于原始Faster R-CNN框架，引入Res2Net分组残差结构，获取更细粒度的特征表征；其次，基于空间-通道注意力结构改进的Res2Net模块，结合注意力机制自适应学习目标不同尺度特征；最后，为学习目标的全局信息并减轻过拟合现象，在模型顶端嵌入加权空间金字塔池化网络，采用由粗到细的方式进行特征尺度划分. 在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%，验证了模型的可行性和有效性.      

往复荷载下预制预应力混凝土梁柱接合部受力性能数值模拟

预制预应力混凝土梁柱接合部（PPC-BCC）作为结构构件间柔性连接的主要形式,在建筑、桥梁等结构中具有广阔的应用前景.文中探讨了基于三维杆系结构纤维模型程序实现复杂受力状态下PPC-BCC数值模拟的方法和途径,建立了符合PPC-BCC主要结构特性和受力特点的有限元建模方式.计算结果与试验结果对比表明：由于采用了完善的材料滞回模型和合理的有限元建模方式,本文方法及程序可以较准确用于复杂受力状态下PPC-BCC受力性能的数值模拟.     

程序树层次化结构统计模型及MOSES改进算法

为提高MOSES效率,提出了一种新的程序树层次化结构统计模型．该模型通过统计分析同类群,自动发现子树特征来指导优化．该模型不需要hBOA算法那样对变量集合进行建模,也不需要像MRTS算法那样遍历小规模的种群来发现潜在的有指导意义的子树．通过解决人工蚂蚁问题对算法进行了测试,结果表明改进后的MOSES算法更加高效．     

基于超级节点模式的多Agent入侵检测模型

分析了入侵检测方面的新问题,简述了超级节点和多Agent数据融合,进而提出了基于超级节点多Agent入侵检测模型,讨论了其实现方法.仿真实验表明,此模型在入侵检测方面具有很好的性能.