基于改进层次分析法的舰船电力系统信息安全评估

传统层次分析法在舰船电力系统信息安全评估应用中,存在信息链路多层次级别差异化系数评估误差较大的问题,导致电力系统低级别信息安全感知性降低,信息安全存在网络攻击风险。为了消除低级别信息数据的风险,提出改进层次分析法的舰船电力系统信息安全评估。首先,根据电力信息结构,建立层次分析结构优化模型;然后,对模型中相关信息量进行分析量定义。最后,根据优化后的模型数据输出量,完成对电力系统信息层的安全评估。通过实验数据对传统层次分析法改进前后的评估数据对比表明,提出方法能够对不同层级链路上不同级别信息进行准确评估,评估值较优化前提升2～3.5个指数值。     

人工智能优化算法的舰船电网故障诊断优化

传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。     

船舶网络入侵风险等级估算研究

传统船舶网络入侵风险等级估算方法,存在风险数据局部搜索时间过长、风险等级估算准确性较低等弊端。为解决上述问题,建立基于BP神经网络的新型船舶入侵风险等级估算方法。通过网络结构的确定、初始值及阈值的选取,完成BP船舶神经网络的搭建。通过入侵数据采集、数据风险等级分类、风险度量评估,完成新型船舶网络入侵风险等级估算方法的搭建。设计对比实验结果表明,新型方法与传统方法相比,适当缩短风险数据局部搜索时间,并提升风险等级的估算准确性。     

船舶网络攻击数据的自动化同源判定方法

传统同源判定方法受到网络长时延和丢包影响,导致判定结果误差较大,提出了量子神经网络船舶网络攻击数据的自动化同源性判定方法。构建量子神经网络同源性判定模型,将判定划分为学习训练和同源判定2个阶段。引入量子态叠加思想,构建3层量子神经网络结构,根据该结构完成量子学习训练。计算同源支持度,设计判定流程,实现攻击数据的自动化同源判定。由实验结果可知,该方法判定误差较小,可保障船舶网络在正常状态下稳定运行。     

海上通信网络拟态防御数据自动加密方法

常规的海上通信网络加密方法,所设置的加密层偏少,导致拟态防御的保密效果不佳,为此研究海上通信网络拟态防御数据的自动加密方法。该方法利用混沌函数的扩张性、重叠折返性特点,对网络中的关键节点设置3层加密。根据每道加密层功能的不同,使用变换矩阵控制拟态防御数据的活动行为。根据海上通信网络结构,依据椭圆曲线的线性映射关系,建立可识别的网络密钥。实验结果表明,与常规加密方法相比,所提出的方法所设置的加密层级别更高,可以有效拦截访问对象的访问行为。     

船舶状态监控网络的节点信任度模型研究

传统船舶状态网络监控节点受到扰动节点的影响,先验信息节点存在信任差量,导致节点信任度模型输出量精准度降低。为了解决先验信息节点的信任误差问题,提出船舶状态监控网络的节点信任度模型。首先对船舶状态数据进行数据结构的信任模型结构映射,固定模型结构数据量;然后,对状态数据节点关联参量进行信任量的约束定义;接着,通过数据节点的迭代特征,完成对信任模型的节点信任系数更新;最后对更新后,信任模型中的先验信息节点进行输出信任度确定计算,从而达到提升信任度模型输出量精准度的目的。通过与传统信任模型输出量的精准度对比,证明提出设计的模型研究方法,具有提升模型输出量精准度的效果。     

假设检验技术下舰船通信网络信息安全加密建模研究

传统的舰船通信网络信息加密方法存在数据信息字节加密与信息流隐私映射加密强度较弱的问题,导致数据层在数据转存与二次转密钥替换过程中数据暴露风险提升,降低数据的安全性。为解决该问题,在假设检验技术的支持下,展开了舰船通信网络信息安全加密建模研究。根据数据加密过程中的数据流字节变化特点,在假设检验技术下,将建模过程分为3个步骤;首先对加密信息流字节进行过程优化,然后对传输映射过程进行保护优化,最后对传输过程进行对称密钥的传输优化。通过对比其与传统加密模型的安全系数证明了本文模型的有效性。     

基于大数据的舰船通信网络信息资源提取方法分析

常规通信网络信息资源提取方法应用于舰船通信网络信息资源提取中,存在信息资源提取误差较大的不足,为此提出基于大数据的舰船通信网络信息资源提取方法分析。依托大数据标记函数,搭建舰船通信网络信息标记规则,对目标函数建立索引;依托高性能检索机制,实现舰船通信网络信息资源提取,完成基于大数据的舰船通信网络信息资源提取方法分析。试验数据表明,提出的通信网络信息资源提取方法较常规信息资源提取方法,信息资源提取误差降低38.64%,适合舰船通信网络信息资源的提取。     

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。     

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。     

舰船网络入侵数据高效定位方法优化研究

在舰船执行航行任务时,网络会出现局部网络、全局网络被入侵数据干扰的情况。传统的入侵数据定位方法,只能按照入侵数据属性,进行单向入侵数据定位,导致定位结果遗漏部分入侵数据,因此需要优化舰船网络入侵数据高效定位方法。该方法根据建立的定位模型,对网络入侵数据进行全局性定位;通过优化入侵数据定位规则,剥离定位范围内的其他数据;双向定位入侵数据、维护入侵数据后继节点,实现对舰船网络入侵数据的定位优化。实验测试结果表明,优化后的方法,可以完全定位4种不同的入侵数据,而传统定位方法遗漏前3组部分入侵数据的情况下,还完全遗漏了最后一组单一性质的网络入侵数据。     

数字遥感舰船图像特征精确匹配方法分析

传统舰船图像特征匹配方法,无法对数字遥感图像进行高精度图像匹配,导致图像有效信息使用率降低。因此,提出数字遥感舰船图像特征精确匹配方法分析。首先,通过FAST算法对数字遥感图像进行匹配信息的高精度特征检测;接着,根据图像特征检测数据,对图像特征点进行描述;然后,通过描述的特征点信息,完成像素级别的特征相似度匹配计算,从而完成数字遥感舰船图像特征精确匹配。最后,采用仿真测试工具,对设计方法与传统方法进行数据实验,并根据实验对比结果,证明数字遥感舰船图像特征精确匹配方法的有效性。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

船舶事故发生频率估计的非线性数学模型研究

传统船舶事故发生频率估计模型对评估数据的维度过高,导致部分有效评估因素因维度限制,无法参与模型的评估,降低了模型评估输出结果的严谨性,无法适应事故发生频率评估的非线性特征。为了解决传统评估模型存在的不足,提出船舶事故发生频率估计的非线性数学模型研究。首先根据非线性特征对模型构建数据信息进行归一化整理,然后对归一化数据进行降维计算,重构模型参量定义。最后,按照重构参量维度,完成船舶事故发生频率估计模型的建立。为了验证建立模型的准确性,采用数据对比方法,利用实例数据调试,与传统模型进行对比,调试结果证明提出模型的评估准确率能够到达97.6%以上。     

船舶航线远程控制网络攻击信息实时检测方法

传统船舶航线控制网络信息攻击检测方法,受到远程数据核编码器数据同步的时间不对称影响,导致攻击节点数据核受损信息无同检测算法检测量实时同步,从而出现检测响应出现延迟,降低了检测方法的整体效果。根据数据核编码器数据同步特点,提出船舶航线远程控制网络攻击信息实时检测方法研究。首先,对远程数据核编码器进行计算变量的同步优化;然后,引入布谷鸟算法根据编码器计算特征量,对被远程攻击受损数据进行节点定位;最后,通过数据标准化计算,完成对攻击数据节点位置的确定,完成对船舶航线远程控制网络攻击信息实时检测。通过与传统检测方法的实验数据对比结果,证明提出方法的有效性。     

基于人工智能技术的船舶智能制造系统

传统船舶制造系统无法精准的对多条功能段进行同步协调控制,导致不同功能段之间衔接存在一定误差,导致船舶焊接组装精度降低,影响船舶制造整体的合格率。因此提出人工智能技术的船舶智能制造系统。建立人工智能数据采集硬件,通过重新设计硬件框架,实现不同功能段的数据实时采集;通过数据的AI分析计算,实现调整功能段交接过程中的参数,保证制造船舶的合格率。通过与传统制造系统合格率的对比,证明提出设计系统的有效性与推广价值。     

大数据背景下的舰船图像特征识别研究

传统舰船图像特征识别方法仅能对图像大范围特征像素信息进行识别,而对图像细微像素特征识别效果,远远达不到实际应用要求。导致大量细节特征舰船图像,无法准确完成特征的识别处理,影响整体应用效果。为了解决细节特征信息识别问题,提出大数据背景下的舰船图像特征识别研究。利用大数据计算能力,对图像特征结构分布进行特征模型建立;根据特征分布特点,利用大数据算法,确定细节图像区域构成像素点特征。最后根据特征信息,分散检索全局目标图像像素信息,完成识别输出过程。通过与传统图像识别方法的10张图像359 035万个像素点的识别测试表明,提出方法能够在最短的时间内,完成预设细节图像特征点的识别任务,且识别准确率达到98.72%以上。     

基于贝叶斯网络集成的船用中高速发动机磨损故障诊断模型

为解决船用中高速发动机磨损故障特征模糊和信息不完备引起的故障诊断准确率偏低等问题,通过定期采集与发动机磨损故障紧密相关的各监测参数信息,建立基于专家知识和因果映射认知的磨损故障贝叶斯诊断网络结构,通过询问专家和运用贝叶斯方法进行诊断网络参数学习,完成基于专家知识和贝叶斯网络集成的船用中高速发动机磨损故障诊断模型的搭建。通过对母型船发动机实际故障案例进行仿真分析,验证模型的准确性和分析方法的有效性,取得较好的结果,可为快速、准确查找发动机磨损故障提供技术支持。     

基于贝叶斯网络的浙江沿海船舶通航风险分析

针对浙江沿海水域通航环境复杂、商船和渔船航行矛盾突出等问题,面向该水域提出基于事故特征的船舶通航风险贝叶斯网络模型。运用风险要素相关性分析方法和贝叶斯概率模型,建立浙江沿海船舶通航风险评价模型;结合事故数据和专家的主观评价,实现对浙江沿海水域船舶通航风险的定量化计算。通过误差分析和灵敏性分析验证模型的可用性和可靠性,进一步通过模型中节点变量状态对通航风险的影响分析提取通航风险关键因素。在分区域通航风险研究的基础上,利用贝叶斯方法对某大型水域通航风险进行定量化计算,为进一步研究浙江沿海水域通航风险细粒度特征和安全保障措施提供参考。     

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。