基于大数据的铁路时间同步网异常流量检测系统的研究

为快速准确地识别铁路时间同步网所受到的恶意攻击,设计一种基于大数据的铁路时间同步网异常流量检测系统。该系统首先采用无监督学习算法K-Means对部分数据进行训练,形成最优聚类模型,并通过该模型实现对异常流量的检测。将已标记的时间同步网数据输入系统,测试系统对异常流量的检测准确率及速度是否满足铁路时间同步网的要求。对系统识别出的异常流量特征进行分析,找出相关性较高的典型特征类型,并结合铁路时间同步网结构,针对该类型特征提出初步的攻击防御建议。研究结果表明:基于大数据的异常流量检测系统聚类时间70.434 682 s及准确率98.36%均满足大数据网络环境下铁路时间同步网的要求;基于时间和主机的网络流量统计特征可以为提升铁路时间同步网的安全性提供参考。

基于劣化度模糊评判与最优权重的转辙机状态评估

针对转辙机机械故障发生的随机性和模糊性,建立基于劣化度的设备健康状态评估模型。根据不同影响因素,分别选择转辙机状态监测数据、维修人员打分和设备役龄3个方面计算劣化度。采用联合主观分析的层次分析法(AHP)与客观分析的熵权法确定设备各健康状态,借助最小方差确定主、客观分析法的最优权重;最后采用模糊理论对转辙机健康状况进行综合评估。通过实例分析验证该评估方法能较好地反映转辙机健康影响因素的模糊性和复杂性,为维修人员提供参考依据,减少检修工作量。

基于组合赋权-云模型的LTE-R系统的安全评估研究

针对LTE-R通信系统安全性评估方法相对落后且评价指标不全面这一问题,建立基于组合赋权与云模型方法的LTE-R通信系统安全性综合评价模型,根据系统的业务、网络、硬件设备及环境管理共4个方面构建评价指标及综合云模型评价等级标准。首先分别利用主、客观赋权法对底层指标赋权,并通过2种不同组合赋权方法进行综合赋权的计算,依据样本数据及云计算规则求出评价等级确定度及评价云的数字特征,并将生成的评价云与标准综合云模型进行对比,从而得到LTE-R通信系统的安全性等级。结果证明:基于组合赋权与云模型的LTE-R通信系统安全性评价模型可有效表达系统安全性等级,能精确反映确定度,为建立LTE-R通信系统评估体系提供参考。