【摘 要】
：
人们的工作学习越来越离不开网络。网络给人们的生活带来便利的同时,网络漏洞攻击,如拒绝服务攻击、突发访问、蠕虫病毒等也威胁着人们的隐私和财产安全。流量异常检测在检测和预防潜在威胁方面发挥着越来越重要的作用。在流量异常检测领域,已经有大量的研究成果,但是仍然存在一些问题,例如对未知攻击类型检测率低和对少数类别识别率不高等。本文针对其中的一些难题进行研究,主要研究内容如下:首先,基于迁移成分分析的流量异
论文部分内容阅读
人们的工作学习越来越离不开网络。网络给人们的生活带来便利的同时,网络漏洞攻击,如拒绝服务攻击、突发访问、蠕虫病毒等也威胁着人们的隐私和财产安全。流量异常检测在检测和预防潜在威胁方面发挥着越来越重要的作用。在流量异常检测领域,已经有大量的研究成果,但是仍然存在一些问题,例如对未知攻击类型检测率低和对少数类别识别率不高等。本文针对其中的一些难题进行研究,主要研究内容如下:首先,基于迁移成分分析的流量异常检测:针对传统机器学习算法对新型网络攻击识别能力弱的问题,介绍了一种基于迁移成分分析的流量异常检测方法。本方法将特征选择和迁移成分分析算法整合在一起,首先选取特征子集,去除冗余特征,其次迁移成分分析通过缩小源域和目标域的分布距离,将已有攻击的知识迁移到新出现的攻击中,经过实验表明,该方法在流量异常检测领域典型的数据集中具有优异表现,在两类实验中总共7种迁移任务实验结果对比中,该方法都优于传统机器学习方法及同样是基于特征的迁移学习方法He Map。然后,基于改进遗传算法的少数异常类流量检测:针对现有研究方法聚焦于提升整体准确率却忽视样本量少的异常类别问题,对基于改进遗传算法的少数异常类流量检测方法进行研究。该方法通过用正常类和异常类错误率的算术平均代替总的分类准确率以改进遗传算法,从而进行特征选择。采用分类性能较好的SVM、决策树等作为分类器。该方法在公开数据集ICU和流量异常数据集上进行实验,实验结果表明,与传统基于遗传算法的特征选择相比,所提算法对小类的识别率有一定优势。
其他文献
本文提出了以非对称多体态作为量子通道密集编码方案，所谓非对称量子通道就是接收者和发送者所拥有的粒子处于非对称的希尔伯特空间。首先提出了非对称多体量子通道为最大纠缠态时的密集编码方案，并且比较了非对称量子通道与对称量子通道所传的信息量；然后又提出了非对称多体量子通道为非最大纠缠态时的几率性密集编码方案，还讨论了平均信息量与组成量子通道的非最大纠缠态系数之间的关系。
在线社交网络的发展使得信息的传播速度更快、范围更广,因此研究信息传播机制变得十分重要。由于传统的SIR模型具有如下局限性:易感染节点被信息影响的概率是一定的,无法根据节点自身环境做出变化;整个信息传播过程过于理想化,网络中的节点可以实时接收信息。基于上述传统模型的局限性,本文提出了新型的信息传播模型并研究了信息间的关系对于信息传播过程的影响。本文主要工作如下:首先,基于热传递思想提出了一种HT（H
数学作为初中阶段的一门基础学科,受到教师和学生的广泛关注。在新课程改革背景下,培养学生的学科核心素养是重要的教学内容之一。而单元整体教学对培养学生的思维能力及学科核心素养十分有利。单元整体教学是指以多课时单元为基本单位,对单元中的所有知识进行概括和总结,找出重难点进行教学。在初中数学教学中,单元整体教学常用于复习阶段,并取得了非常好的效果。基于此,教师应加强对单元整体教学在初中数学课堂中的运用探究
传统搜索引擎在查询网络数据时,返回的往往都是包含许多噪声的数据,查询效率低下。随着人工智能技术的发展,自动问答系统逐渐成为新的人机交互方式。知识图谱的出现为自动问答系统提供了更加精准的答案来源,基于知识图谱的问答系统也成为一个研究热点。然而,由于中文文本的表现形式复杂多样,传统的知识问答方法很难运用到大规模的中文知识库问答系统中。为提高中文知识问答系统的准确率,本文以开放域中文知识图谱为知识来源,
网络异常流量检测是保证网络信息安全的重要手段,准确、快速的检测出具体的异常流量类型对于维护网络安全至关重要。支持向量机（SVM）已经成为异常检测中一种常用的工具。然而,SVM多用于解决两类分类问题,无法识别异常流量的具体攻击类型,如何有效地将其推广到多类分类,并利用SVM实现异常流量的检测是一个重要研究问题。因此,针对上述问题,本文的主要研究工作如下。首先,本文具体分析了网络流量产生过程及其采集方
随着视频理解研究的不断深入和应用范围的不断扩大,行为识别任务逐渐成为相关领域的研究热点之一。大多数应用场景中计算资源有限,为了追求高准确率,目前的行为识别方法趋向于使用越来越复杂的结构,这极大地限制了行为识别在现实生活中的应用。因此,本文对基于深度学习的行为识别方法做了详细研究,在保证准确率的同时,着力降低方法的复杂度,以满足行为识别方法在现实生活中的应用条件,具体完成如下工作。首先,针对部分轻量
复杂网络是建模和分析复杂系统的有效工具,在理解复杂行为中起到关键作用。链路预测是预测复杂网络中未来连边或未知连边的一种方法。目前链路预测相关研究大多侧重于无向网络领域的链路预测,然而真实网络中的连边往往是有向的,直接简单地将无向网络指标用在有向网络上会降低预测精度。针对有向网络链路预测仅考虑单一互惠链接结构,却忽视了节点在网络中的其他拓扑结构因素,导致预测精确度较低的问题,提出基于互惠链路计数加权
交流异步电机具有结构简单、成本低廉、可靠性高等优点,被广泛地应用于工农业、制造业等社会生产生活的各个领域。然而交流异步电机具有多变量、非线性、强耦合等特征,且易受各种不确定因素的影响,给交流异步电机的分析和控制带来了一定的挑战。为了提高交流异步电机位置系统的动、静态性能和鲁棒稳定性,并在一定程度上简化系统的控制结构,本文主要进行了以下几个方面的研究工作:首先,基于坐标变换理论和矢量控制思想,建立了
图像超分辨率技术旨在将低分辨率图像重建成高分辨率图像,它是计算机视觉领域的热点问题,同时也非常具有挑战性和开放性。在医学,监控,遥感等行业领域都有非常广泛的应用前景。近年来随着深度学习的发展,基于深度学习的图像超分辨率算法获得了比传统算法更好的效果。通过对国内外研究现状的深入分析,发现目前许多算法对图像特征的利用不够完善,重建后的图像缺乏细节纹理信息,感知质量不高。本文在已有的基于深度学习的图像超
随着互联网技术的突飞猛进,自然界中的复杂系统可以抽象为复杂网络。如何准确有效地发现复杂网络中的重叠社区,快速实现功能划分,是当今世界复杂网络领域的问题。现阶段复杂网络分为无属性复杂网络和属性复杂网络。无属性复杂网络重叠社区发现算法大都基于结构划分,然而这些算法的准确率及稳定性有待提高。部分属性复杂网络重叠社区发现算法忽略属性信息,具有较大的信息损失。部分算法虽然充分利用了结构、属性信息,但是具有较