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。     

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。     

舰船通信网络的入侵特征选择与优化

传统舰船通信网络的入侵特征选择与优化方法,检测效率和准确率较低,选择结果中存在大量冗余特征。为了提高检测结果准确率,利用遗传算法研究一种新的舰船通信网络的入侵特征选择与优化方法,通过设立径向基核函数将选择舰船通信网络入侵特征这一过程映射到高维空间进行计算,通过特征选择完成参数优化,建立优化模型。测试结果表明,基于遗传算法的特征选择与优化方法能够有效消除无用特征和冗余特征,在短时间能提高检测的准确率,同时提高检测的准确率和效率。     

舰船无线网络入侵干扰信号优化检测方法分析

为全面提升舰船无线网络的耐候感受能力,提出一种新型的入侵干扰信号优化检测方法。通过信号阈值选取、识别函数确定2个操作环节,完成舰船无线网络入侵干扰信号的精准识别。在此基础上,通过信号目标定位、连续检测波形确定、检测脉冲量计算3个步骤,完成新型舰船无线网络入侵干扰信号优化检测方法分析。对比实验结果表明,与普通方法相比,应用优化检测方法后,入侵干扰信号的平均波长降至3.0×10-11 Hz以下,最佳定位精准度可突破90%,舰船无线网络的耐候感受能力得到稳定提升。     

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。     

舰船网络入侵目标下检测效率与准确性的平衡问题解决

针对舰船网络入侵目标下入侵关键目标较多,当前方法无法兼顾效率与准确性的问题。从模糊关联规则的观点对入侵目标进行分类。降低检测数据维度,最大程度对不同检测部门分类,使其约简化,放弃推导入侵数据集属性的支持度与置信度,建立频繁项目集等步骤,而是结合舰船网络入侵目标在特征上差异较大这一条件,通过制定模糊关联规则,获得网内入侵数据的相似度,进行多次检测,降低检测过程中的开销成本。实验结果表明,该方法可以兼顾舰船网络入侵目标的检测效率与准确性分体,具备应用性。     

基于振动信号的舰船发动机故障诊断

传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。     

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%。     

基于最大熵谱估计的舰船静电场实时检测方法

舰船静电场是海水中舰船产生的物理场之一,是很难被隐身的目标特征信号.以往对静电场的检测方法都是基于信号的时域特征,低信噪比情况下,检测效果差.通过对舰船静电场的频域特征分析发现,其能量主要集中在低频段,利用这个特点,提出了一种基于最大熵谱估计(MESE)的舰船静电场实时检测的方法.首先对舰船静电场信号进行最大熵谱估计,然后提取低频段功率谱值作为特征量,通过设定的浮动阈值进行分段功率谱滑动检测,用实船数据对该方法进行了验证,取得了较好的效果.     

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。     

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。     

舰船网络服务器的网络流量异常检测

舰船网络服务器是保证舰船正常运行的重要设施。舰船网络服务器一旦遭到入侵,网络流量就会发生异常,严重影响舰船的正常运行。但现有的舰船网络入侵检测方法无论从速度还是准确性上都无法满足入侵检测的要求。基于该模型,提出一种船舶网络流量异常检测方法。通过对舰船网络流量异常特征提取算法的优化,找出最佳特征子集,进行去噪,建立舰船网络流量异常检测模型,优化流量异常检测流程,以实现对舰船网络服务器的网络流量异常检测。最后通过测试结果表明:舰船网络服务器的网络流量异常检测方法能有效地检测船联网系统的异常状态,在保证检测精度的前提下,可以大大缩短检测时间。     

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。     

舰船网络低匹配度异质信息入侵感知预测系统

传统入侵检测系统仅能对中高风险数据进行甄别预警,无法对低匹配度异质信息进行风险预测感知,导致大量低匹配度异质信息涌入,占用网络数据资源,造成信息交互资源不足,网络运行效率降低甚至瘫痪。针对上述问题,结合低匹配度异质信息特征,提出舰船网络低匹配度异质信息入侵感知预测系统。根据低匹配度异质信息特征,设计专用的数据分析模块与动态路由单元,通过设计功能硬件,为系统算法层面运行提供平台;然后通过博弈算法对低匹配度异质信息进行特征分析模型建立,获得匹配信息量。最后根据匹配信息量,引入低匹配度异质信息感知算法,完成对低匹配度异质信息的感知预测计算。利用双系统数据同步调试的方式,对设计系统数据可靠性进行验证,通过数据结果证明设计系统,满足低匹配度异质信息入侵感知预测的要求。     

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。     

大数据分析下舰船网络异常节点快速定位优化方法

为了提升舰船网络通信质量,实现信息参量的无误传输,提出一种基于大数据分析的舰船网络异常节点快速定位优化方法。以异常节点群落作为舰船行进信息的初始分类标准,分别计算单向传输信号差与双向传输信号差,完成最基本的舰船网络异常节点定位。借助大数据分析理论,对节点传输间距与数据定量差进行优化处理,实现新型舰船网络异常节点快速定位优化方法的顺利应用。实验结果表明,与优化前的节点定位算法相比,优化后方法的数据源码传输率极值可达87.3%,满足舰船网络通信环境的实际应用需求。     

舰船通信网络的主动防御技术研究

针对传统舰船通信网络防御模型数据加密性较差的问题,设计新型舰船通信网络的主动防御技术模型。通过风暴通信数据截获、精准捕获参数计算2个步骤,完成舰船通信网络的入侵因子获取。在此基础上,通过防御特征路径长度确定、通信网络效率计算、防御流程完善3个步骤,完成新型模型的搭建,实现舰船通信网络的主动防御技术研究。对比实验结果表明,与传统防御模型相比,应用新型舰船通信网络的主动防御技术模型后,网络自身稳定性得到大幅提升、加密传输时长明显缩短,数据加密性较差问题得到有效解决。     

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。     

基于北斗卫星的航海导航系统定位目标精准识别方法

针对现有舰船上采用的导航系统存在北斗卫星信号接入识别率低、目标识别精度差的问题。提出基于北斗卫星的舰船导航系统定位目标精准识别方法。针对传统方法对北斗卫星信号运算过程资源消耗大,运算率低的问题,引入Cstx小波融合算法,对北斗卫星信号进行定向专属计算。同时,为解决目标识别精准度低的问题,引入神经追踪特征算法,对专属解析后的北斗卫星图像目标进行动态特征追踪与提取锁定。最后,通过仿真模型实验证明,提出的基于北斗卫星的舰船导航系统定位目标精准识别方法,能够快速、有效、精准锁定识别北斗卫星导航内设定目标。     

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。