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%。     

云计算的舰船网络入侵行为分类模型

当前舰船网络具有规模大、复杂多变的特点,网络入侵行为种类繁多,传统舰船网络入侵行为分类模型无法满足实际应用的需求。为了更好地保证舰船网络通信安全,对各种舰船网络行为准确分类,设计云计算的舰船网络入侵行为分类模型。构建云计算的舰船网络入侵行为分类模型的框架,引入云计算中的MapReduce技术实现舰船网络入侵行为并行分类,并采用BP神经网络实现单个节点的舰船网络入侵行为分类过程。最后,采用Hadoop搭建舰船网络入侵行为分类平台,并进行舰船网络入侵行为分类实例分析。结果表明,本文模型在保证高正确率舰船网络入侵行为分类结果的基础上,加快了舰船网络入侵行为分类速度,为大规模舰船网络入侵行为研究奠定了一定的技术基础。     

舰船通信网络异常入侵检测的数学模型拟合

舰船通信网络易受到非法入侵者的攻击,导致舰船机密信息泄露、通信阻断等现象,严重威胁舰船航行和执行任务的安全性。入侵检测系统能够有效检测出非法入侵信号,及时对入侵信号进行处置,将其阻隔到舰船通信网络之外,保护通信网络安全通信。本文分析舰船通信网络异常入侵检测的现状与发展趋势,提出了基于聚类分析算法的异常入侵检测数据模型,并采用仿真实验证实数学模型能够准确检测出入侵行为,保障舰船通信网络安全运行。     

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。     

舰船网络入侵行为的检测与识别研究

入侵行为检测是保证舰船网络安全的核心技术,当前入侵行为检测与识别存在检测误差大,识别准确性差等严重不足,为此设计基于核主成分分析和聚类分析算法的舰船网络入侵行为的检测与识别方法。首先对舰船网络入侵行为的检测的原理进行分析,并收集大量的舰船网络入侵行为检测特征。然后采用核主成分分析对舰船网络入侵行为检测特征进行选择,并通过聚类分析算法建立训练样本。最后建立舰船网络入侵行为检测与识别模型。利用标准舰船网络入侵数据集的仿真测试结果表明,本文方法不仅可以大幅度减少舰船网络入侵行为特征数量,降低舰船网络入侵行为检测的复杂度,舰船网络入侵行为检测的实时性增强,而且能够获得更高正确率的舰船网络入侵行为检测结果。     

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。     

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。     

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。     

基于大数据分析的舰船通信网络访问权限控制方法

对用户访问舰船通信网络的权限进行控制能够有效保证船舶信息安全,但随着非法用户入侵手段的升级,传统舰船通信网络访问权限控制方法不能准确甄别用户是否有访问权限,准确率较低。针对上述问题,提出基于大数据分析的舰船通信网络访问权限控制方法。首先利用大数据分析技术对用户角色进行准确划分,然后根据角色划分赋予相对应的访问权限,实现舰船信息的安全访问。结果表明:与传统舰船通信网络访问权限控制方法相比,基于大数据分析的舰船通信网络访问权限控制方法能准确判断出用户的访问权限,访问权限控制的准确率提高了12%,极大减少了非法访问事件的发生概率。     

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。     

基于层次分析法的舰船通信系统入侵检测

舰船的通信设备一般可以当作一种复杂的网络系统,所有网络都可能造成非法入侵,这样会对通信系统的运行可靠性造成影响,并且还会威胁到数据信息的安全性。所以对入侵行为进行有效检测显得尤为必要。在对舰船通信系统入侵检测的可靠性进行评价时,可以运用层次分析法。本文首先对入侵检测分类与方法进行简要介绍,然后结合仿真结果对舰船通信系统进行系统的分析与优化。研究结果表明,层次分析法在舰船通信系统入侵检测性能评价中具有良好的应用效果,只要保证所选的算法合理,便可得到准确的结果。     

舰船网络安全信息的智能分类研究

舰船网络一旦被非法者侵入,就会造成舰船机密信息被窃取和泄露的风险,因此及时发现入侵者行为,对于及时规避舰船网络入侵风险具有重要的现实意义。为此,结合深度学习算法进行舰船网络安全信息高精度分类方法的研究十分必要。该研究首先采集舰船网络安全信息数据并进行归一化处理,然后利用深度学习中的深度置信网络模型,提取舰船网络安全信息特征,最后利用随机森林分类器进行舰船网络安全信息类型分类。结果表明:与其他分类方法相比,研究方法应用下,检测率、准确度均更高,而虚警率则较低,达到了高精度舰船网络安全信息分类的要求。     

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。     

大型舰船通信网络入侵检测方法研究

针对传统的入侵检测方法一直存在入侵检测误差大、收敛性差的问题,提出基于惩罚函数和多元回归分析数学模型的大型舰船通信网络入侵检测方法,通过确定入侵节点区域面积计算舰船通信网络入侵节点聚集度,引入一个惩罚函数,再采用决策树分类法对舰船通信网络入侵节点进行分类。采用均方差作为标准测度函数,获取均方差之和,并通过构建多元回归分析数学模型,实现对大型舰船通信网络入侵的检测。实验结果对比可知,采用改进检测方法时,其检测误差及算法的收敛性,一直优于传统检测方法,具有一定的实用性。     

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。     

浅谈计算机取证

计算机取证(Computer Forensics)作为计算机领域和法学领域的一门交叉学科,近年有着飞速的发展。本文主要介绍了计算机取证和电子证据的基本概念,进而阐述了计算机取证的有关技术,以及实施计算机取证时应注意的事项和步骤,最后,还介绍了该技术发展趋势。     

舰船传感网络入侵数据快速定位方法分析

为了保证舰船传感网络的安全运行,提出舰船传感网络入侵数据快速定位方法。通过网关/基站和节点,设计适合舰船传感网络入侵数据定位的拓扑结构,并根据构建的目标定位网络拓扑结构,采用三边质心法获取入侵节点坐标,完成对舰船传感网络入侵数据的快速定位。根据实验结果可知,所提方法能够快速且精准的对舰船传感网络入侵数据进行定位,为舰船网络通信安全奠定了基础。     

浅析计算机取证技术

计算机取证是对计算机犯罪证据的识别、获取、传输、保存、分析和提交认证过程,实质是一个详细扫描计算机系统以及重建入侵事件的过程。本文主要介绍了计算机取证的概念、特点,计算机取证的过程,然后探讨了计算机取证的发展趋势和局限性。     

船舶电子数据取证模型构建与仿真分析

随着电子信息技术的不断发展,船舶电子数据的取证难度增大。传统的船舶电子数据取证模型在数据的入侵与识别层上稳定性较差,因此提出船舶电子数据取证模型构建。通过对船舶电子数据层的入侵、特征建立、特征约束的计算,完成对模型的建立。采用仿真数据进行对比性模型验证分析,证明提出设计的可行性。