无线局域网MAC地址欺骗攻击的检测

在无线网络中,攻击者可以修改自己无线网卡的MAC地址为合法站点的地址,从而可以绕过访问控制列表,窃取网络信息,这给无线网络安全带来很大的危害。为了有效地防止和检测MAC地址欺骗攻击,文中在分析无线局域网MAC地址欺骗攻击的基础上,提出一种利用数据包序列号检测MAC地址欺骗攻击的检测方法。该方法不仅能够有效检测MAC地址欺骗攻击,并能迅速查找到入侵源,维护网络的性能和安全。经过试验证明,该方法具有良好的性能。

无线局域网安全问题及其检测技术

介绍了无线局域网的安全机制,分析了无线局域网中存在的一些安全问题,总结了无线局域网的安全检测技术.并在无线捕包解码的基础上,分析无线局域网的故障检测以及MAC地址欺骗,身份认证欺骗,AP关联表数据溢出攻击和Deauthentication攻击的检测方法.

基于水声技术的黄海近海鱼类活动定点监测研究

为了研究黄海近海鱼类活动规律,采用自主研制的科研型鱼探仪于2015年11月22日至12月5日对调查海域的鱼类活动进行了首次声学调查,统计分析鱼类活动规律。在调查海域布放4套鱼探仪设备对鱼类进行定点长时间监测,并将采集到的鱼类回波数据利用水声技术进行分析和处理,得到调查海域单体鱼类目标强度在垂直方向上的分布、鱼类目标强度大小的分布以及鱼类在不同水层和不同时间段的活动情况。结果显示,调查海域冬季鱼类主要活动在4~10 m的中上水层,鱼类分布随着水层深度的逐步增加而急剧减少;从9∶00至13∶00鱼类活动频度呈增大趋势,并在13∶00至14∶00频度达到顶峰(约为38%),随后频度减弱;统计得到该海域鱼类目标强度主要以-49^-40 d B占比最高,目标强度大于-40 d B的鱼类均匀分布在整个水层,目标强度小于-40 d B的鱼类主要分布在4~10 m浅水层。研究表明,采用水声技术能够实现对鱼类活动的监测;调查海域的鱼类目标强度分布比较集中,鱼类在深度上的分布主要集中于中上水层,鱼类在不同时间段的活动情况随水温变化而变化,温度升高鱼类活动频度增加,反之则降低。由此可知,该海域鱼类的种类以暖水物种为主。

无线分布式渔业资源声学监测系统

针对传统走航式的渔业资源声学监测方式效率低、不易扩展的缺点,设计一种无线分布式渔业资源声学监测系统。系统由多个分布式的监测点组成,监测点之间通过无线网络进行通信,每个监测点由船、鱼探仪、计算机、GPS、无线AP及天线组成。设计应用程序的主控端机制,由主控端对系统进行整体控制,使各监测点可以协同运行,互不干扰。应用程序自动维护各监测点的数据一致性,保障各监测点的状态及监测数据同步,以GIS形式展示监测数据与地理信息。多个分布式的监测点协同工作,增大瞬时监测范围,提高监测效率及数据的准确性,无线网络的应用和分布式的系统结构,允许根据不同的水域环境和监测需求灵活配置监测点的数量及位置。

近岸4种鱼的声散射特征提取及融合实验研究

为了有效地提取表征鱼类间差异的声散射特征参数,该文通过绳系法实验研究了近岸4种经济鱼类的声散射信号特征提取及融合方法。首先,通过自研双频鱼探仪采集花鲈、许氏平鲉、黑鲷和斑石鲷的个体鱼声散射信号;然后,分别测定200 kHz和450 kHz换能器下鱼体的目标强度,同时提取鱼声散射信号的时频域统计特征;最后,将降维后的时频特征与频差特征融合组成新的特征向量。该文通过实验验证了该方法的有效性,基于组合特征的支持向量机识别准确率达93%。结果表明,鱼的频率响应特性和鱼声散射信号的时频域统计特征能一定程度上反映鱼的固有属性,有效地增加判别依据能显著提高以上4种鱼类的识别准确率。

基于仿生特征模式匹配的海洋动物声信号识别

针对小数据量的海洋动物声信号混合识别,将声信号同态分析过程中的线性频率转换为Mel频率,得到模拟人耳听觉特性的Mel频率倒谱系数作为声信号的特征。按照声信号所属的物种建立特征模板,使用动态时间规整算法对待识别特征进行分类识别,并对特征库和识别算法进行优化。分别提取了6种鱼类、3种虾类、12种鲸类的Mel频率倒谱系数,为每个物种建立特征模板。分3次对3种、5种、6种鱼类进行识别,分别获得了100%、96.25%、94.68%的识别率。对6种鱼类、3种虾类、12种鲸类共21个物种进行混合识别,总识别率由87.56%提升至优化后的88.96%。实验结果表明,基于Mel频率倒谱系数和动态时间规整算法的海洋动物声信号混合识别能够在小数据量时获得较高的识别率,优化后的特征库和识别算法能够提升识别率。