共查询到19条相似文献,搜索用时 203 毫秒
1.
首先介绍网络蠕虫和计算机病毒的定义以及它们之间的异同;然后详细分析冲击波蠕虫的工作流程。并用C语言模拟实现了这一过程,在此基础上。讨论计算机蠕虫的一般行为特征和功能结构模型;最后分析蠕虫未来技术发展趋势和一些防治措施。 相似文献
2.
3.
4.
5.
《舰船科学技术》2018,(22)
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。 相似文献
6.
《舰船科学技术》2021,43(20)
船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中。对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测。实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有效降低了误检率,证明所研究的检测方法的有效性。 相似文献
7.
《舰船科学技术》2019,(18)
船舶网络流量异常状态直接描述船舶网络工作情况,当前船舶网络流量异状检测过程中存在误差大、计算时间复杂度高等缺陷,为了获得更好的船舶网络流量异常状态检测结果,设计了基于复合核函数极限学习机的船舶网络流量异常状态检测模型。首先分析当前船舶网络流量异常状态检测研究进展,阐述船舶网络流量异常状态检测的基本思路,然后采集船舶网络流量异常状态检测数据,并采用复合核函数极限学习机建立船舶网络流量异常状态检测模型,最后进行仿真实验,实验结果表明,复合核函数极限学习机可以全面、客观描述船舶网络流量异常状态,检测精度高、时间短,相对于其他船舶网络流量异常状态模型,综合性能更优,可以有效保障船舶网络正常、安全工作。 相似文献
8.
《舰船科学技术》2021,(2)
传统海上通信网络恶意攻击检测系统,存在恶意流量甄别精度差、伪装恶意流量识别度低的问题。为了有效解决上述问题,提升海上通信网络安全系数,提出海上通信网络流量恶意攻击检测系统设计。针对当下网络攻击流量特点,建立网络恶意流量节点模拟器,通过硬件对节点交互建立起过滤体系,缩小恶意流量攻击节点分布范围。通过对恶意流量节点的隶属度特征运算,打破恶意流量对特征的修改伪装,提升算法对恶意攻击流量节点的甄别效果。采用节点中心控制算法,精准锁定恶意攻击流量节点中心,完成对恶意攻击流量行为的识别。仿真实验数据表明:提出设计的海上通信网络流量恶意攻击检测系统,在相同的时间里,能够对6大类30组攻击流量做出精准识别,检出率高达98.7%,完全符合海航通信网络的应用要求。 相似文献
9.
《江苏科技大学学报(社会科学版)》2017,(6)
针对目前入侵检测技术在误报率和检测率上存在的不足,将深度学习和半监督聚类应用于入侵检测技术,提出了一种基于深度学习的入侵检测算法.算法采用稀疏自编码器对数据特征逐层提取数据特征,进而挖掘数据内的有效信息,并将不同的数据正确分类.仿真结果表明,该算法在提高检测率的同时降低了误报率,有效地改进了入侵检测系统的性能. 相似文献
10.
以准确估计舰船通信网络流量为研究核心,提出基于大数据驱动与分析的舰船通信网络流量智能估计方法。该方法以大数据驱动和分析领域中的经验模态分解、卷积神经网络为技术核心,使用基于改进集合经验模态分解的舰船通信网络信号降噪方法,去除舰船通信网络信号中噪声;构建去噪后舰船通信网络信号中的流量时间序列图,凸显通信网络流量在各个时间段的变化特征之后,将舰船通信网络流量时间序列图中的时间序列,作为基于卷积神经网络的网络流量预测方法的预测样本,提取舰船通信网络细节信号的时间序列,估计流量的趋势信息与时间信息,实现舰船通信网络流量智能估计。经测试:该方法对舰船通信网络流量智能估计后,估计结果与实际流量基本一致。 相似文献
11.
由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。 相似文献
12.
13.
采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75%,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02%和11.13%. 相似文献
14.
15.
16.
17.
18.
针对标准BP算法收敛速度慢、容易陷入局部极小值的缺点,提出了改进的BP算法——Levenberg-Marquardt算法,并将其应用到电路故障诊断问题中。实例仿真验证了改进算法在训练次数和训练时间上具有明显的优势,同时也能保证故障诊断准确率,具有良好的效果。 相似文献