舰船网络异常通信行为识别研究

舰船网络异常通信行为变化不仅具有规律性,同时具有随机性,当前方法无法挖掘舰船网络异常通信行为的复杂变化特点,使得舰船网络异常通信行为识别实时性和准确性差。为了获得更优的舰船网络异常通信行为识别结果,提出神经网络算法的舰船网络异常通信行为识别模型。首先描述舰船网络异常通信行为识别原理,然后将舰船网络异常通信行为识别看作问题,引入神经网络算法对其进行建模,在舰船网络异常通信行为识别建模过程中,引入粒子群算法解决神经网络参数确定的难题,最后进行舰船网络异常通信行为识别测试实验。结果表明,神经网络算法获得了准确性较高的舰船网络异常通信行为识别结果,而且由于神经网络收敛快,使得舰船网络异常通信行为识别实时性好,具有良好的推广应用价值。     

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。     

基于物联网技术的舰船运行轨迹异常点识别

针对传统舰船运行轨迹异常点识别方法存在运行轨迹检测性能较差的问题,提出一种基于物联网技术的舰船运行轨迹异常点识别方法,获取舰船自动识别系统中的舰船运行轨迹数据,在舰船自动识别系统中,舰船运行轨迹数据的存放形式是日志文件,因此对系统中的日志文件进行挖掘,基于物联网技术对挖掘数据实施预处理,通过StopT-CB算法划分舰船运行轨迹以剔除停留点,便于进行异常点的识别,通过网格划分实现舰船运行轨迹的异常点识别。为了证明基于物联网技术的舰船运行轨迹异常点识别方法的运行轨迹检测性能更好,将传统舰船运行轨迹异常点识别方法与该方法进行对比实验,实验结果证明该方法的运行轨迹检测性能优于传统方法。     

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%。     

舰船物联网异常节点检测的数据挖掘

异常节点检测是保证舰船物联网安全的关键技术之一。针对当前舰船物联网异常节点检测效果差的缺陷,为获得更优的舰船物联网异常节点检测效果,设计了基于数据挖掘的舰船物联网异常节点检测模型。首先对舰船物联网节点的数据进行分析,并对异常节点和正常节点的信息进行标记,建立舰船物联网异常节点检测的数据集,然后采用数据挖掘技术——极限学习机建立舰船物联网异常节点检测模型,最后与其他模型进行舰船物联网异常节点检测对比测试,测试结果表明,本文模型获得较好的舰船物联网异常节点检测率,而且误检率明显优于对比模型,验证了本文模型的优越性。     

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%。     

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。     

物联网舰船数据处理系统研究

传统的数据处理系统存在大量空间冗余数据,需要仲裁的工作量过大,造成数据读写速度过慢,为此设计物联网舰船数据处理系统。设计RFID读写模块,通过MFRC500读写芯片实现采集数据完成,利用连接好的天线传输数据,使用滑动窗口方法清洗冗余数据和多读数据,采用动态字典压缩数据完成数据处理,至此系统设计完成。测试结果表明:面对不同的数据量,与传统的数据处理系统相比,设计的物联网舰船数据处理系统的数据读写速度提高了近20倍,适合使用在实际项目中。     

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。     

基于物联网的舰船语音信号高清识别系统设计

为解决常规舰船语音信号识别系统存在识别成功率较低的不足,提出了基于物联网的舰船语音信号高清识别系统设计。基于舰船语音信号高清识别系统硬件构成设计,以及物联网传感器识别技术的引入,实现了舰船语音信号高清识别系统硬件设计;依托舰船语音信号高清识别程序设计,降噪设计,完成舰船语音信号高清识别系统软件设计,实现了提出的识别系统设计,实验数据表明,提出的高清识别系统较常规识别系统识别成功率提高25.18%,适合于不同海域的舰船语音信号高清识别。     

无线局域网的舰船异常数据通信识别系统设计

受到局域网异常数据掺杂噪声的影响,传统无线局域网异常通信识别系统,无法有效识别噪声干扰下的异常通信数据特征,影响系统对故障点的分析计算,降低系统识别灵敏度。针对此问题,提出无线局域网的舰船异常数据通信识别系统设计。首先,优化无线局域网异常数据识别硬件,建立信号数据分离交互框架,为软件算法的噪声分离提供计算平台;接着,引入异常数据特征噪声分离算法,滤除异常数据特征量中的噪声;然后,优化网络识别器,提升对异常数据特征的感知系数,提升识别灵敏度。最后,通过与传统异常数据识别系统的对比实验,证明设计系统的有效性。     

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。     

船用SDN传输网非法入侵行为的识别研究

由于非法入侵行为产生的数据较多,传统方法受到数据冗余性较高的影响,导致识别准确性较低,为此设计一个船用SDN传输网非法入侵行为的识别方法。首先对传输网中的数据进行降维,然后对网络中的冗余数据去除,寻找数据之间的频繁项集,并对数据之间的关联规则生成,以对数据关联性计算。最后采用粗糙集算法对异常行为识别,主要通过奇异值计算与阈值比较实现。实验以识别准确率与识别时间作为对比对象,结果表明所研究的识别方法有效提高了识别的准确率,并减少了识别时间,实际应用意义较强。     

船用物联网中的网络入侵行为分析检测

针对当前船用物联网入侵行为分析检测过程中存在的特征选择难题,提出一种特征优化和选择的船用物联网入侵行为分析检测方法。首先对船用物联网入侵行为分析检测原理进行分析,建立船用物联网入侵行为分析检测的特征优化和选择数学模型,然后以船用物联网入侵行为分析检测率为目标,采用量子粒子群优化算法对最优特征子集进行搜索,最后建立船用物联网入侵行为分析检测的分类器,并实现了船用物联网入侵行为分析检测模拟测试实验。测试实验结果表明,本文方法通过特征优化和选择后,获得了较高正确率的船用物联网入侵行为分析检测结果,不仅使得船用物联网入侵行为分析检测的错误概率降低,而且检测实时性要优于当前其它模型,是一种效率好、正确率高的船用物联网入侵行为检测方法。     

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。     

物联网环境下舰船监控网络高维异常数据挖掘方法

为了准确识别物联网环境下舰船监控网络高维异常数据,针对当前识别方法存在的误差大、速度慢等不足,提出一种物联网环境下舰船监控网络高维异常数据挖掘方法。首先分析当前物联网环境下舰船监控网络高维异常数据识别的研究现状,指出各种方法的局限性,然后结合舰船监控网络异常数据的高维特点,引入解决了"维数灾"问题的支持向量机对舰船监控网络高维异常数据进行挖掘,找到舰船监控网络异常数据的变化趋势,最后通过仿真实验分析了其有效性和优越性。结果表明,本文方法提高了舰船监控网络高维异常数据识别正确率,误识率明显下降,减少了舰船监控网络高维异常数据识别时间,可以对大规模舰船监控网络高维异常数据进行处理,具有广泛的应用前景。     

船舶网络非法入侵行为的电子取证和识别研究

随着信息化和网络技术的发展,舰船计算机网络的规模越来越大,在舰船通信、导航、控制方面发挥的作用也越来越大。与此同时,舰船计算机网络面临的安全问题更加突出,尤其是舰船网络存在大量的非法入侵和数据干扰行为,因此,提高舰船计算机网络的安全性非常有必要。本文重点分析网络入侵行为的电子取证技术,构建舰船网络非法入侵的电子取证模型,并结合硬件平台进行网络非法入侵行为的电子取证和识别。     

船舶传感网络入侵异常行为特征提取系统

传感网络是船舶采集自身航行状态信息和海洋环境信息的重要装置,也是集成网络技术、传感器技术和通信技术的一种新兴技术。船舶传感网络中含有大量有价值的数据,传感网络的入侵等异常行为时有发生,因此,加强无线传感网络的安全防护非常必要。本文首先介绍一种传感器网络的分簇算法,在该算法的基础上,针对船舶传感网络的入侵行为设计几种不同的检测方案,并建立网络入侵行为的特征提取方案,取得了良好的效果。     

激光雷达信号的舰船识别研究

舰船是一种海上军事目标,对其进行高精度识别具有重要的研究意义,传统舰船识别方法通用性差,无法识别所有类型的舰船型号,导致舰船的误识概率相当高,为了有效降低舰船误识概率,提高舰船识别的精度,提出了基于激光雷达信号的舰船识别方法。首先对激光雷达的工作原理进行分析,并通过激光雷达信号成像技术获取舰船图像,然后从舰船图像中提取识别特征,并根据特征进行舰船图像匹配,从而实现舰船识别,最后进行激光雷达信号的舰船识别性能测试,实验结果表明,本文方法可以有效地识别舰船类型,舰船的误识概率要明显少于对照舰船识别方法,提高了舰船识别率,实验结果验证了本文方法的先进性。