基于知识图谱的舰船通信网络安全风险评价研究

为了保证舰船在海上安全运行,提出基于知识图谱的舰船通信网络安全风险评价方法。采集舰船通信数据、预处理,根据实体间的联系建立舰船通信网络安全的知识图谱;采用图数据库对舰船通信网络数据的知识图谱进行储存与查询;建立知识图谱注意力网络的舰船通信网络安全风险评价模型。实验结果表明：该方法可准确评价舰船通信网络安全风险等级,具有较高的安全风险评价能力;能够提升舰船通信网络保密性、完整性和可用性。     

互联网背景下的舰船通信系统安全风险检测

安全风险检测有利于促进舰船通信系统正常运行,为了克服舰船通信系统安全风险检测过程存在的一些难题,如检测结果不可靠等,提出互联网背景下的舰船通信系统安全风险检测方法。首先对国内舰船通信系统安全风险检测进展进行描述,在互联网背景下产生舰船通信系统安全风险检测指标集合,并设计舰船通信系统安全风险等级,然后根据指标集合和风险等级产生舰船通信系统安全风险检测训练集,并引入BP神经网络刻画舰船通信系统安全风险变化特点,得到舰船通信系统安全风险检测的分类器,最后利用具体数据进行舰船通信系统安全风险检测的实例分析,本文方法的舰船通信系统安全风险检测率很高,相对于其他方法,不仅舰船通信系统安全风险误检率大幅度减少,而且可以实现舰船通信系统安全风险在线检测,对比结果验证了本文方法用于舰船通信系统安全风险检测的优越性。     

大数据驱动和分析的舰船通信网络流量智能估计

以准确估计舰船通信网络流量为研究核心,提出基于大数据驱动与分析的舰船通信网络流量智能估计方法。该方法以大数据驱动和分析领域中的经验模态分解、卷积神经网络为技术核心,使用基于改进集合经验模态分解的舰船通信网络信号降噪方法,去除舰船通信网络信号中噪声;构建去噪后舰船通信网络信号中的流量时间序列图,凸显通信网络流量在各个时间段的变化特征之后,将舰船通信网络流量时间序列图中的时间序列,作为基于卷积神经网络的网络流量预测方法的预测样本,提取舰船通信网络细节信号的时间序列,估计流量的趋势信息与时间信息,实现舰船通信网络流量智能估计。经测试：该方法对舰船通信网络流量智能估计后,估计结果与实际流量基本一致。     

基于区域链技术的舰船通信信息风险分析

舰船通信信息量级的增加,提升了通信信息的风险概率,威胁舰船的稳定运行与作战能力的发挥,进而降低海上作战的性能,提出基于区域链技术的舰船通信信息风险分析研究。深入分析舰船通信信息风险影响因素,以此为基础,采用区域链技术将通信信息存储为链式信息结构,选取适当的通信信息风险评估指标,利用灰色综合评价方法精确地评估通信信息的风险程度,即可实现舰船通信信息的风险分析。实验数据显示:在不同大小通信信息文件背景下,应用提出方法获得的风险评估结果与实际情况相符合,充分证实了提出方法的可行性,能够为舰船提供更优质的通信环境。     

基于大数据分析的舰船信息管理系统风险评价

针对当前舰船信息管理系统风险评价存在速度慢、实时性低等缺陷,设计了基于大数据分析的舰船信息管理系统风险评价方法。首先建立舰船信息管理系统风险评估的指标体系,然后采用层次分析法确定指标的权值,并采用主成分分析法选择重要的舰船信息管理系统风险评估指标,最后采用云计算平台并行执行舰船信息管理系统风险评价,每一个节点采用RBF神经网络实现评价,具体的测试实验结果表明,本文方法不仅加快了舰船信息管理系统风险评价速度,而且提升了舰船信息管理系统风险评价精度,评估结果更加可靠。     

回声状态网络的舰船计算网络安全评估方法

舰船计算网络安全是当前研究的重要方向,针对当前舰船计算网络安全评估过程中存在的正确率低、速度慢的弊端,以改善舰船计算网络安全评估效果为目的,提出基于回声状态网络的舰船计算网络安全评估方法。首先对当前国内外舰船计算网络安全评估研究文献进行分析,找到引起舰船计算网络安全评估结果不理想的因素,然后在此基础上建立舰船计算网络安全评估指标,并将它们作为回声状态网络的输入,舰船计算网络安全等级作为回声状态网络的输出,通过回声状态网络的训练,建立舰船计算网络安全评估的分类器,最后通过舰船计算网络安全评估实例分析本文方法的有效性。结果表明,回声状态网络的舰船计算网络安全评估正确率高于90%,而对比方法的舰船计算网络安全评估正确率低于85%,克服了当前舰船计算网络安全评估的不足,获得了更优的舰船计算网络安全评估结果。     

舰船装备维修费预测方法评价准则体系研究

针对舰船装备维修费预测效果评价仅采用单一的精度准则可能导致较大预测风险的缺陷,在分析现有预测评价准则研究现状的基础上,总结了现有的预测方法评价准则,并通过进一步结合对舰船装备维修费预测特点的分析,建立了适合于舰船装备维修费预测方法评价的准则体系。建立的准则体系有利于提高舰船装备维修费预测的可靠性,降低预测风险,为舰船装备全寿命费用预测和舰船装备维修工作提供可靠的基础。     

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。     

船舶光纤通信系统的安全态势预测模型

为确保光纤通信系统稳定运行,设计舰船光纤通信系统的安全态势预测模型,以提升安全态势预测效果。离散化处理连续型舰船通信系统数据,组建离散型观测样本集合;通过隐马尔可夫模型,依据离散型观测样本集合,建立安全态势预测模型;利用Baum-Welch学习算法,确定安全态势预测模型参数;通过Viterbi算法,计算威胁维指数、运行维指数、脆弱维指数的概率向量;以转置矩阵与概率向量相乘的方式,得到安全态势预测结果。实验证明：该模型可有效离散化连续型数据,并确定安全态势预测模型参数;该模型可精准预测舰船光纤通信系统的安全态势。     

混沌理论的舰船事故预测

舰船事故的预测具有十分重要的价值,针对舰船事故变化的混沌性,为了解决当前舰船事故预测模型存在的局限性,提出了基于混沌理论的舰船事故预测模型,首先对当前舰船事故预测的研究现状进行分析,指出引起舰船事故预测精度低的原因,然后引入混沌理论建立舰船事故预测的学习样本,并采用最小二乘支持向量机建立舰船事故预测模型,最后通过采用舰船事故预测数据对模型性能进行分析,本文模型的舰船事故预测精度超过95%,而且舰船事故预测误差很低。