面向企业数据安全场景基于孤立森林算法的数据访问异常检测与告警收敛方法

随着数字经济的快速发展,数据安全成为企业关注的焦点。本文提出了一种基于孤立森林算法的异常行为告警收敛方法,旨在提升企业数据安全合规及业务安全。通过用户实体行为分析(UEBA)技术建立用户访问行为基线,并监测实时行为与基线的偏差,以识别异常行为。然而,UEBA技术在异常告警收敛方面存在不足,导致告警数量庞大,难以维护。为此,本文引入孤立森林算法,对UEBA检出的异常样本进行进一步分析和收敛,以提高告警质量,减少告警数量,实现可维护的异常告警。文章详细介绍了基于UEBA的数据访问异常行为检测技术,存在的问题及困难,以及孤立森林算法的原理和优势。此外,还探讨了孤立森林算法在数据访问异常行为检测场景的告警收敛应用,包括数据准备、模型训练、异常分析、样本收敛和结果解释等步骤。最终,本文总结了利用孤立森林算法进行异常分析和告警收敛的有效性,并对未来的发展方向进行了展望。

基于GEM-PHD粒子滤波的移动定位自更新传播算法

为了实现无线传感器网络(Wireless Sensor Networks,WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位。基于反向定位策略选择未知节点的最优位置,将已获得定位信息的节点升级为虚锚节点继续对周围邻居节点实施定位,再进行定位传播和位置更新,最终实现全网络移动节点实时定位和位置更新。仿真结果表明,在锚节点单一存在时,所提算法可以预估未知节点的位置,且定位精度高,可以对整个移动群体进行实时定位。

基于Leader-Follower的分群移动控制算法

分布式智能体群体移动控制中,简洁高效的多任务分群和群体移动是实现复杂群体运动控制的基础。群体运动会受到各节点运动不统一的影响而产生震荡和波动,使群体的移动距离增加,降低了群体移动效率。受"阻尼减震"的启发,本文对领导者最大速度进行限制,同时调节合力组成比例,对节点间无序力进行弱化,减小无序力对群体移动的负面影响,突出移动方向的合力并保持适当的拓扑调节能力,使群体稳定向目标移动;对于多任务群体,提出一种基于Leader-Follower多任务分群方法,根据跟随者到不同领导者的层级大小,通过简单广播应答机制实现任务群体分割。仿真结果表明:本文分群移动控制方法通过简单应答通信,能够根据不同任务实现快速分群,并能够更有效的控制群体移动,降低节点的平均移动距离,有效减弱了群体波动影响。