城市基础设施灾害应对行为的影响因素分析——基于保护动机理论

近年来,城市基础设施的防灾减灾工作日益受到国内外广泛关注和高度重视,灾害风险评估和应急响应等研究也成为热点问题,决策者风险知识的局限性以及风险感知的差异都制约着应急响应功能的发挥。为了提升基础设施管理人员的风险感知敏锐度,提高应急响应效能,本研究采用偏最小二乘结构方程模型(PLS-SEM)方法对影响管理人员灾害应对行为的主要因素进行研究。首先,结合相关文献和理论构建模型;其次,通过对196份有效问卷数据的分析检验模型。研究结果表明,管理人员的灾害经历与风险感知呈显著负相关,与效能感呈显著正相关;同时,管理人员的灾害经历和知识水平会通过效能感的中介作用显著影响应对行为。根据研究结论,提出了引导管理人员采取灾害应对行为的建议。

安全态势感知系统中K-Means算法的并行化研究

大数据环境下的网络安全事件层出不穷,安全态势感知系统的应用势在必行。通过挖掘日志数据并进行安全分析,可以实现对异常事件的追责与溯源,有效地减少网络安全事故的发生。针对传统K-Means算法时间开销大、执行效率低的问题,将改进K-Means算法在大数据计算框架Hadoop上实现并行化,来满足大数据下安全态势感知系统日志安全分析的需求。实验表明,改进后的算法在有效性和时间复杂度方面都优于传统算法。

网络诱捕技术的分析与探索

网络陷阱是一种基于网络诱捕技术,对虚拟系统和网络等进行主动和欺诈性网络安全检测的技术。它利用安全检测产品技术高效准确地检测事件,具有很高的应用价值。网络诱捕技术主要使用VM、Docker和软件定义网络(SDN)等虚拟化应用程序、主机、系统、网络,以实现虚拟应用程序、主机、系统、网络相关功能的模拟。它可以使攻击行为和重定向攻击流量混淆攻击者和行为分析的深度现实。网络诱捕技术不同于一般的监视方法,它是一种高精度的网络安全检测技术。网络捕获还具有一些主动防御特性。除了准确检测攻击事件之外,它还可能误导攻击,并提高攻击的有效性。