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%。     

舰船物联网异常入侵行为的识别研究

舰船物联网异常入侵行为复杂多变,当前方法存在舰船物联网异常入侵行为误识率高等不足,为了改善舰船物联网异常入侵行为识别效果,设计了基于证据理论的舰船物联网异常入侵行为方法。首先采用多个单一方法对物联网异常入侵行为进行识别,每一个识别结果作为一种证据,然后采用证据理论对单一方法的物联网异常入侵行为识别结果进行融合,最后对物联网异常入侵行为识别效果进行测试。本文方法能够对物联网异常入侵行为进行准确识别,降低了物联网异常入侵行为的误识率,验证了本文方法用于物联网异常入侵行为识别的有效性。     

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     

舰船用通信网络的异常数据监测技术研究

为了保障舰船用通信网络的数据传输的准确性,提高舰船网络的故障智能分析能力,需要进行异常数据监测,提出一种基于舰船用通信网络传输信号瞬时频率估计的异常数据监测技术。对采集的通信网络输出信号经过时频分解完成时域与频域之间的转换,采用高阶累积量特征提取方法进行舰船用通信网络中的异常数据检测,对检测的异常数据进行干扰和冗余数据滤波处理,完成对舰船用通信网络输出信号的瞬时频率估计,分析瞬时频率的异常状态特征,实现异常数据监测。仿真结果表明,采用该方法进行舰船用通信网络的异常数据监测能提高数据挖掘的准确度,对异常数据检测的虚警较低,抗干扰能力较强。     

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。     

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示：该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。     

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。     

舰船通信网络混合入侵数据自适应识别技术

针对目前舰船通信网络混合入侵数据数量大、识别精准度低这一问题进行分析,提出了一种新的识别技术。该技术的工作过程如下:首先设定混合入侵数据阈值,比较聚类中心和混合入侵数据所属区域的偏离程度,然后在所有的通信网络数据中识别出混合入侵数据,建立二维网络,最后找出相似度较高的混合入侵数据的差异,完成精准识别。对比实验结果表明,相较于传统方法,所研究的技术更加重视加权处理和过滤处理,使混合入侵数据能够拥有最大的识别结构,识别起来更加容易,在识别混合入侵数据时有很强的能力,识别结果精准度高,有效提高了通信网络运行过程的安全性,具有很大的发展潜力。     

物联网环境下舰船通信网络异常数据检测系统设计

在物联网通信环境下,传统的船舶通信网络异常数据检测系统,受到IPv4接口协议的限制,导致采用IPv6高速物联交互协议的流量节点异常机制管控性降低,全局物联网络交互单元出现异常数据节点检测识别漏洞,给网络通信安全带来威胁。因此,提出物联网环境下舰船通信网络异常数据检测系统设计。通过架设基于IPv6协议的交互数据节点支持硬件,实现对底层数据流的硬核支持;在数据交互的链路层添加异常数据甄别检测单元,配合异常节点流量识别算法,实现在链路层上对物联网异常数据的识别拦截,从而完成系统的设计。为保证设计系统的有效性,通过仿真实验对设计系统的检测识别准确性进行对比,通过数据证明提出设计系统优于传统检测系统。     

舰船通信网络异常数据的弱关联定位技术

在舰船通信网络异常数据的弱关联定位中,由于使用传统弱关联定位技术的定位误差较大,因此提出一种舰船通信网络异常数据的弱关联定位技术,利用Netflow系统对舰船通信网络异常数据进行提取,通过相空间重构技术处理异常数据提取结果,并利用极限学习机进行数据挖掘,建立舰船通信网络异常数据弱关联定位模型,从而实现异常数据的弱关联定位,通过对比实验可知,该技术的最大定位误差比基于支持向量机的异常数据弱关联定位技术低21.1%;比基于特征遗传算法的异常数据弱关联定位技术低16.4%,证明了该技术更适用于舰船通信网络异常数据的弱关联定位。     

舰船通信网络异常数据的弱关联定位技术

网络异常直接关系着舰船通信的安全,为了准确对舰船通信网络异常数据进行检测和定位,设计了基于数据挖掘技术的舰船通信网络异常数据弱关联定位技术。首先对舰船通信网络异常数据的定位现状进行分析,指出当前定位技术的不足,然后引入数据挖掘技术对舰船通信网络异常数据变化特点进行刻画,实现舰船通信网络异常数据的弱关联定位,最后采用标准舰船通信网络异常数据集进行有效性测试。结果表明,本文技术可以获得高精度的舰船通信网络异常数据定位结果,而且舰船通信网络异常数据定位误差远远小于当前其他技术,具有十分显著的优越性,研究结果具有一定的理论和实际价值。     

舰船通信网络的路由安全研究

路由是保证舰船通信网络数据成功传输的重要路径,当前舰船通信网络路由受到多种类型行为攻击,舰船通信网络路由极不安全,为了保证舰船通信网络路由安全,提高舰船通信网络数据传输成功率,设计了基于攻击频率的舰船通信网络路由安全评估模型。首先研究当前舰船通信网络路由安全评估模型的工作思想,分析舰船通信网络路由安全评估误差大的原因,然后采集舰船通信网络路由攻击频率数据,利用最小二乘支持向量机根据舰船通信网络路由攻击频率数据得到舰船通信网络路由安全评估结果,最后在Matlab 2016仿真环境进行了舰船通信网络路由安全评估实验,本文模型的舰船通信网络路由安全评估误差小,克服了当前其它模型存在的局限性,而且舰船通信网络路由安全评估效果优于当前其它模型,可以有效保证舰船通信网络通信安全。     

海上舰船通信网络可靠性分析研究

首先对海上舰船通信模型进行分析和研究,然后通过2个节点之间接收信号的强弱程度来评估通信系统的可靠性。并对两节点时间间隔在指数函数变化情况下链路的顺畅性进行评估。仿真实验表明:设定同样的出错率时,在系统中实行故障级差处理时系统的可靠性更强,并且系统的可靠性与冗余度有关系。     

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。     

基于K-means聚类的舰船通信网络异常数据检测

为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。     

舰船通信网络的数据安全态势估计研究

领海环境的复杂化走向,要求舰船通信网络的数据必须具备极高的安全性,因此提出舰船通信网络的数据安全态势估计方法研究。为了克服对比方法的复杂性,结合Hadoop平台与神经网络结构来搭建数据安全态势估计框架,以此为基础,对海量舰船通信网络信息进行清洗与分析,获得数据安全态势初步估计结果,计算每个神经元的权重与阈值,对初步估计决策进行融合与处理,获得误差调整后的数据安全态势估计结果,实现了数据安全态势的综合估计。实验结果表明,相较于对比方法,本文方法估计数值平均绝对误差较小,正确趋势率较大,充分证实了本文方法的可行性。     

舰船通信网络中的故障节点定位研究

针对船舶通信网络故障节点定位受到高重频干扰的影响,以提高船舶通信网络故障节点的定位精度为目的,提出舰船通信网络中的故障节点定位研究。利用船舶通信网络可疑故障节点的特征,修改节点负荷功率的等效量测,通过可疑故障节点排序流程,完成可疑故障节点的排序;采用粒子群描述故障节点的初始速度和位置参数,消除了故障节点定位的干扰,实现了船舶通信网络故障节点的定位。结果表明,与基于云计算的定位方法相比,提出的定位方法具有较高的定位精度和实用价值。