云计算环境下船舶监控网络异常数据检测方法

在船舶监控网络高度应用的今天,监控网络异常数据检测受到了学术界以及船舶制造业的高度关注。就目前的船舶监控网络异常数据检测方法而言,其计算能力较低,导致异常数据误报率较高。针对此问题,设计云计算环境下船舶监控网络异常数据检测方法。使用相似度函数对监控节点数据展开相似性检测,初步确定数据异常节点位置。根据节点位置,对监控网络数据进行时间序列检测,确定异常数据输出时间。对上述两部分进行融合处理,完成异常数据检测方法的设计过程。经对比实验验证可知,此方法在应用中具有误报率低,计算效率较高的优点,可将其应用到后续的船舶监控网络数据处理过程中。     

船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

云计算船舶移动网络强入侵攻击防御研究

为了提高船舶移动网络的安全性,提出基于云计算的船舶移动网络强入侵攻击防御方法。建立的船舶移动网络强入侵信号模型,采用频谱滤波方法进行船舶移动网络强入侵的干扰抑制,结合多径合并方法进行船舶移动网络强入侵特征关联规则挖掘,提取船舶移动网络强入侵的异常波谱特征量,根据谱分布的差异性,实现对船舶移动网络强入侵特征的模糊聚类处理。在云计算环境下,建立船舶移动网络强入侵的攻击防御滤波检测模型,实现船舶移动网络强入侵攻击防御优化。仿真结果表明,采用该方法进行船舶移动网络强入侵攻击防御的有效性较好,提高了入侵检测能力。     

船舶通信网络垃圾邮件的检测分析

垃圾邮件占用大量的船舶通信网络通信资源,而且危及船舶通信网络安全,针对当前船舶通信网络垃圾邮件检测率低,检测时间复杂度高的难题,设计基于数据挖掘的船舶通信网络垃圾邮件检测方法。首先对船舶通信网络垃圾邮件检测原理进行分析,提取船舶通信网络垃圾邮件检测特征,然后采用数据挖掘方法对船舶通信网络垃圾邮件检测特征进行分析,建立船舶通信网络垃圾邮件检测的分类器,最后进行船舶通信网络垃圾邮件检测实证分析,分析结果表明本文方法的船舶通信网络垃圾邮件检测正确率超过了90%,远远高于船舶通信网络垃圾邮件检测的实际要求,降低了船舶通信网络垃圾邮件检测时间复杂度,是一种有效的船舶通信网络垃圾邮件检测手段。     

船舶无线传感网络安全态势异常检测方法

为了更好保障船舶航行安全,避免船舶航行过程中常见的无线传感网络异常导致的船舶航行过程中信号网络信息处理效果不佳的问题,对船舶无线传感网络安全态势异常检测方法进行研究。通过对无线传感网络安全信息进行采集分类,实现对船舶网络信号特征的实时检测和提取。根据检测结果进行无线传感网络安全异常数据的修正,提高船舶网络运行安全。实验证实,船舶无线传感网络安全态势异常检测方法在实际应用过程中具有更高的准确性,可以更好实现对复杂船舶网络数据异常区域进行快速检测和修正的研究目标,从而更好地提高船舶航行安全效果。     

船舶监控网络入侵检测系统设计

为了提高船舶监控网络的安全性,进行网络入侵的准确检测,提出一种基于数据流的船舶监控网络入侵检测系统设计方法,采用数据流异常特征检测方法进行网络入侵检测算法设计,采用自适应波束形成方法进行船舶监控网络传输数据流的聚焦处理,提取船舶监控网络传输数据流的多源波束特征量,实现异常监控识别,对提取的异常监控信息进行分类处理,实现入侵检测。在嵌入式ARM环境中进行入侵检测系统软件设计。仿真结果表明,采用该系统进行船舶监控网络入侵检测的准确性较高,网络安全性较好。     

船舶网络的用户访问安全性机制分析

传统的网络用户访问安全性机制存在着恶意用户识别时间长的缺陷,为此提出船舶网络的用户访问安全性机制分析研究。采用APK软件对船舶网络用户访问数据进行采集,利用JAIA语言对采集的数据进行预处理,以上述处理好的船舶网络用户访问数据为依据,对其数据异常进行检测得到船舶网络用户访问数据异常主题,以其为基础对相关特征量进行提取,以提取的特征量为依据采用用户识别算法对恶意用户进行识别,实现了船舶网络的用户访问安全性机制的运行。通过实验得到,提出的船舶网络的用户访问安全性机制的恶意用户识别时间比传统机制快了4 s,说明提出的船舶网络的用户访问安全性机制具备极高的有效性。     

云计算下船舶网络入侵高精度检测系统设计

为解决传统船舶网络入侵检测系统检测时间过长的问题,提出基于云计算环境的船舶网络入侵高精度检测系统设计。根据云计算优势,建立系统框架结构,部署入侵高精度检测系统硬件,引入CGA优化模块设计入侵检测系统软件,不断扩充规则库,将软件和硬件相结合完成云计算下船舶网络入侵高精度检测系统设计。实验数据表明,在船舶网络应用中,设计入侵高精度检测系统较传统入侵检测系统的检测时间平均减少8 s,适用于实时高精度检测船舶网络的入侵信息数据。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

基于深度哈希的船舶网络异常数据辨识方法

由于在利用现有方法辨识船舶网络异常数据时,存在漏辨个数以及错辨个数较多的问题,本研究提出一种基于深度哈希的船舶网络异常数据辨识方法。通过减法聚类算法提取船舶网络异常特征,该算法运行速度快,主要用于寻找特征对应的各聚类中心以及聚类数据。然后通过插值算法对船舶网络异常特征的数据实施预处理,补全其中的缺失数据。最后,基于深度哈希方法构建船舶网络异常数据辨识模型,实现对船舶网络异常数据的辨识。通过漏辨个数以及错辨个数的对比实验,证明了该方法的辨识性能更好,具有很强的实用性意义。     

免疫理论的船舶网络入侵检测方法

为了提高船舶网络系统的安全性,针对当前船舶网络入侵检测方法误检率高的缺陷,设计了免疫理论的船舶网络入侵检测方法。首先对船舶网络入侵检测的原理进行分析,提取船舶网络入侵检测的原始数据,然后根据免疫理论对船舶网络入侵检测数据进行处理,提取船舶网络入侵检测特征,然后机器学习算法对船舶网络入侵检测行为进行建模,最后编程实现了船舶网络入侵检测算法,并与其他船舶网络入侵检测方法进行对比实验。结果表明,免疫理论可以提取更加有效的船舶网络入侵检测特征,提升了船舶网络入侵检测效率,而且船舶网络入侵检测正确率更高,减少了船舶网络入侵的误检率,是一种可行、有效的船舶网络入侵检测方法。     

船舶电力监测网络流量异常检测算法研究

由于船舶电力监测网络的工作环境日益复杂,网络流量出现异常状态的频率越来越高,为了对船舶电力监测网络流量异常状态进行准确跟踪和检测,提出基于数据挖掘技术的船舶电力监测网络流量异常检测方法。首先深入分析当前船舶电力监测网络流量异常研究现状,并收集船舶电力监测网络流量异常数据,然后对船舶电力监测网络流量异常数据进行去噪处理,并根据数据挖掘技术建立船舶电力监测网络流量异常检测模型,最后采用具体船舶电力监测网络流量异常数据进行验证性测试实验。结果表明,本文方法可以有效检测船舶电力监测网络流量异常状态,误检率相当低,并且船舶电力监测网络流量异常检测结果优于其他方法,具有广泛的应用前景。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

移动网络数据入侵痕迹提取方法

在船舶移动网络中,由于网络存在一些漏洞,在网络被恶意入侵时,黑客会试图利用网络环境非法获利,对他人的网络环境进行入侵,给他人造成损失。当不良用户入侵后,会留下入侵痕迹,采用数据提取方法将数据信息提取出来,作为证据线索,就可以对非法入侵的行为有效解决。本论文针对船舶移动网络数据入侵痕迹提取的方法展开研究。     

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。     

船舶网络中的高精度入侵检测方法设计

网络入侵对船舶网络安全具有严重的危害,针对当前船舶网络入侵方法存在检测精度低、检测速度慢等不足,设计了一种船舶网络中的高精度入侵检测方法。首先对当前船舶网络入侵检测研究现状进行分析,找到船舶网络入侵检测效果差的原因,然后采用改进支持向量机设计船舶网络入侵检测分类器,最后通过具体船舶网络入侵检测仿真测试,结果表明本文方法的船舶网络入侵检测精度超过95%,不但远远高于船舶网络安全要求的85%,而且船舶网络入侵检测时间更短,入侵检测速度要明显快于其它船舶网络入侵检测方法。     

船舶移动网络数据入侵攻击防御方法研究

为解决传统船舶移动网络数据入侵攻击防御方法,存在防御有无效率较低的不足,提出了船舶移动网络数据入侵攻击防御方法研究,基于入侵数据特征识别与特征提取,以及卡方数据统计,利用阈值判断的形式,实现船舶移动网络数据入侵攻击防御,完成了提出的防御研究,实验结果表明,提出的网络数据入侵攻击防御方法较传统数据攻击防御方法,攻击防御有效率提高21.44%,且能够较快的完成网络数据入侵防御,保障船舶移动网络的安全。     

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。     

基于云计算的船舶通信网络异常数据分析

传统船舶通信网络异常数据分析方法无法有效处理大规模的船舶通信网络异常数据,使得船舶通信网络异常数据分析的实时性差,船舶通信网络异常数据错误分析的概率高,为了解决当前船舶通信网络异常数据分析方法的局限性,针对船舶通信网络异常数据的特点,提出了基于云计算的船舶通信网络异常数据分析方法,首先分析船舶通信网络异常数据分析原理,采用支持向量机建立船舶通信网络异常数据分析模型,然后采用云计算搭建船舶通信网络异常数据分析平台,使多个支持向量机可以并行执行,最后在Matlab 2016的环境下进行了船舶通信网络异常数据分析模拟测试,测试结果显示本文方法的船舶通信网络异常数据分析不仅正确率超过了90%,而且船舶通信网络异常数据分析实时性很好,要明显优于当前其它方法,实际应用价值更高。     

海浪载荷干扰下船舶发动机故障检测数学模型研究

针对传统船舶发动机故障检测数学模型故障检测速率较低的问题,提出一种海浪载荷干扰下船舶发动机故障检测数学模型,在海浪载荷干扰下对船舶发动机进行振动测量,提取船舶发动机的时域故障特征,通过测量获取船舶发动机转子系统的3阶、2阶、1阶临界转速以及轴向转子的固有频率,对船舶发动机的频域故障特征进行提取,利用获取的时域故障特征数据与频域故障特征数据建立船舶发动机的故障检测数学模型,实现船舶发动机的故障检测。为了验证建立的数学模型的故障检测速率较高,将该模型与基于线性分段方法的船舶发动机故障检测数学模型、基于异常检测算法的船舶发动机故障检测数学模型、基于异常子序列的船舶发动机故障检测数学模型进行对比实验,实验结果证明该模型的故障检测速率最高,说明该模型更适用于船舶发动机的故障检测。