一种基于PCA和随机森林分类的入侵检测算法研究

针对现有的入侵检测方法准确率低的问题,文章提出了一种基于PCA(Principal Component Analysis, 主成分分析法)和随机森林分类的入侵检测算法。该算法思想是对训练数据先清洗后分类,首先通过主成分分析法对数据进行特征降维和降噪,然后对处理后的数据使用随机森林分类器进行分类训练。实验使用基于Python的机器学习库scikit-learn,并采用20%的NSL_KDD数据集。实验结果表明,与常用的基于机器学习的入侵检测技术相比,文章提出的入侵检测算法可更有效地提高检测的准确性。

HCE模式下一种基于零知识证明的身份认证方法

带有NFC(近场通信)功能的手机近几年在不断推广和普及,NFC的HCE(主机卡模拟)模式大大方便了NFC的开发和使用,使用NFC功能的相关应用也越来越多。在HCE模式下,由于缺乏本地SE模块,数据的安全性、身份认证的可靠性深受质疑。文章提出一种HCE模式下的身份认证方法,以零知识证明理论为基础,减少信息传递过程中身份凭证被窃听、复制、破解的可能,对留存于本地的身份凭证进行隐藏,较好地解决了本地数据的安全性问题。在不可信的网络环境里和安全性较弱的本地设备上完成了较可信的身份认证。

一种基于特征信息隐式获取的抗干扰浏览器指纹生成算法

浏览器指纹技术通过收集用户的User-Agent、浏览器版本、插件列表、操作系统等特征信息,构建独特的浏览器指纹,以用于用户追踪、身份认证等方面。然而,随着研究的不断深入,干扰浏览器指纹生成的方法不断被提出,指纹干扰工具能够通过伪造信息、限制功能等方式影响指纹的生成。针对这一问题,文章提出一种基于特征信息隐式获取的抗干扰浏览器指纹生成算法。该算法首先采集特征信息,构建指纹特征信息数据库;然后将获取的特征信息使用SHA 1算法进行加密;最后通过base 64方式对加密后的特征信息进行编码生成指纹。即使在使用干扰工具的情况下,该算法的指纹生成结果也不会受到影响。实验结果表明,该算法具有有效性和准确性。