网络蠕虫的工作原理和防范

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。     

基于深度学习算法的舰船通信网络流量估计研究

传统舰船通信网络流量估计算法输出结果与实际流量数值之间的误差较大,导致后期数据流量分析结果可信度降低。为了提升通信网络流量估计准确度,提出基于深度学习算法的舰船通信网络流量估计研究。首先,对通信网络空间中的数据流进行数据流模型建立,获得通信流量基础特征数据;然后,对其流量波动值域范围进行特征计算,以此获得深度学习样本。最后,通过深度学习算法,对样本数据进行学习,通过学习完成对流量估计系数的更新,进而提升估计精准度。通过对仿真数据的对比测试,证明提出的估计算法能够有效减小估计值与实际值之间的误差,满足适应估计场景的应用要求。     

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。     

海量船舶移动网络流量数据分析处理

船舶移动网络迅猛发展,逐渐成为航运领域的重要组成部分,同时,带来海量移动网络数据,如何承载船舶移动网络海量数据分析业务是航运领域研究的重点。本文研究网络流量数据分析系统和数据预处理技术,提出了模糊聚类算法和朴素贝叶斯分类算法。聚类算法用于分析用户和流量特征,分类算法用于对海量数据进行分类。     

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。     

数据挖掘的船舶网络病毒入侵检测研究

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。     

船舶网络流量的异常状态检测模型

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。     

海上通信网络流量恶意攻击检测系统设计

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。     

基于深度学习的入侵检测方法

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.     

大数据驱动和分析的舰船通信网络流量智能估计

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。     

改进BP神经网络的城市交通流预测研究

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。     

局部扭曲立方体多播容错路由算法

通过对经典最短路算法的研究,提出一种基于最短路权矩阵法的改进算法。实验结果表明,与权矩阵法相比,改进算法能提高计算效率、增强寻路直观性;特别是当网络中大量节点为目的节点时,该算法更为简捷、有效。     

基于Faster R-CNN的高速公路抛落物检测

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％.     

基于OPNET动态调度时隙分配数据链研究及仿真

战术数据链是数字通信技术在军事方面的典型应用,时分多址接入技术是数据链里面的核心技术。针对战术数据链网络中传统时隙分配算法无法适应战场多变环境,时隙资源浪费严重,无法动态分配等问题,提出一种基于优先级调度策略的动态时隙分配算法,利用OPNET仿真平台设计实现基于此算法的舰艇海上通信仿真系统,对应用系统进行了详细网络规划,并对系统网络性能进行仿真分析和比较。     

微粒群优化算法在铺排船建模中的应用

针对铺排船建立锚泊移位系统模型,利用微粒群优化算法对神经网络模型参数进行优化训练,仿真结果显示,采用该算法训练的系统模型性能得到明显改善。     

改进的RBF神经网络在港口集装箱吞吐量预测中的应用

本文首先分析了RBF神经网络结构的基础,指出基函数中心的确定是影响网络精度的重要因素。在分析常用中心确定算法的基础上,提出了一种改进算法,给出了算法的具体实现过程。并将改进的RBF算法用于对港口集装箱吞吐量的预测评价,应用成果表明此优化神经网络用于集装箱吞吐量预测结果更加合理,精度有很大提高,有着广泛的应用前景。     

一种新型的船舶横摇运动实时预报方法

本文在阐述强化学习的基本原理，方法的基础上，提出了一种强化学习的TD算法与BP算法相结合的BPTD方法，并将基用于对角回归神经网络的在线训练，最后以在船舶横摇运动时预报技术上的应用为例，说明这种算法有很强的实时多步预报能力。     

改进的BP网络及其在电路故障诊断中的应用

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。     

Link16数据链网络同步的改进算法

现有的Link16数据链网络同步算法选取一个终端作为时间基准（NTR）,其他非NTR终端通过收发往返计时报文（RTT）来获取系统时间并保持同步。这种方式的抗毁性较差,例如对NTR终端同步的干扰就可以使得整个Link16数据链网络瘫痪。针对这一弊端,本文提出了一种使用每个Link16数据链终端互相校准的互同步算法,该算法提高了Link16数据链网络的抗干扰性,并且在数学上证明了算法有很好的收敛性。