流量异常检测中的直觉模糊推理方法

针对网络流量特征属性不确定性和模糊性的特点,将直觉模糊推理理论引入异常检测领域,该文提出一种基于包含度的直觉模糊推理异常检测方法。首先设计异常检测中特征属性的隶属度与非隶属度函数,其次,给出基于包含度的强相似度计算方法并生成推理规则库,再次给出多维多重式直觉模糊推理规则,最后建立异常检测中的直觉模糊推理方法。通过对异常检测标准数据集KDD99的实验,验证该方法的有效性,与常见经典异常检测方法对比,该方法具有更良好的检测效果。

基于DTW的长期直觉模糊时间序列预测模型

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲(DTW,dynamic time warping)距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值(IFCM,intuitionistic fuzzy C mean)聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题。通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能。

基于可变时隙与动态同步的端口跳变技术研究

通过分析一般端口跳变模型的关键技术,在固定跳变时隙的基础上,提出跳端口可变时隙算法。该算法实现了一种依据人工预设、实时通信质量检测以及网络入侵等条件下,进行反馈防御的机制。分析一般时钟同步算法,提出动态时钟漂移同步算法,解决了可变时钟漂移在端口跳变模型中对时间同步影响的问题,比传统固定时钟漂移算法具有更广泛的适用性,通过实验表明了其在网络防御中的有效性。

加权条件熵在异常检测中的应用

通过分析信息熵在异常检测中的应用和条件熵的固有特性,提出了一种基于条件熵和加权熵理论的异常检测方法。分析网络流量特征,选取具有内在相关性的网络特征属性,给出了加权系数矩阵的公式和异常检测的具体实现方法。通过实验验证了该方法的有效性和实用性,根据不同属性特征在加权条件熵理论中的应用效果,分析了不同特征属性选择造成检测效果差异的原因。

严格直觉模糊熵

通过对现有直觉模糊熵构造方法的分析,针对隶属度和非隶属度函数相等但直觉指数不同导致熵值无法区分的局限性,借鉴经典数学中严格大于和严格小于的概念,提出了严格直觉模糊熵(strict intuitionistic fuzzy entropy,SIFE)的概念并给出公理化定义。在该定义基础上给出一个SIFE构造方法,然后抽象为一般表达式,使得SIFE的特性在决策排序问题中更加适用。通过算例分析,表明该方法的正确性,与其他直觉模糊熵构造方法比较,说明该方法可以克服存在的局限性。

基于直觉模糊推理的直觉模糊时间序列模型

由于受到模糊集理论的限制,模糊时间序列预测理论在不确定数据集的描述上有失客观,针对这种局限性,提出一种直觉模糊时间序列预测模型。应用模糊聚类算法实现论域的非等分划分;针对直觉模糊时间序列的数据特性,提出一种更具客观性的隶属度和非隶属度函数的确定方法;提出一种基于直觉模糊近似推理的模型预测规则。在Alabama大学入学人数和中国社会消费品零售总额数据集两组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。

高阶直觉模糊时间序列预测模型

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分;然后,针对直觉模糊时间序列的数据特性,提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法;最后,利用直觉模糊多维取式推理建立高阶模型的预测规则,进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。

高阶多元直觉模糊时间序列预测模型

为了突破模糊集理论的限制,更客观地描述不确定性数据,提出一种高阶多元直觉模糊时间序列预测模型.采用模糊聚类算法划分论域,并采用更具客观性的方法建立直觉模糊集的隶属度和非隶属度函数.依据直觉模糊多维取式推理的原理建立基于相似度量的启发式推理规则,作为高阶多元模型的预测规则,并且建立相应的解模糊方法.利用北京市日均气温数据集进行对比实验,结果表明,该模型的预测均方误差(0.86)和平均预测误差(2.57%)较现有方法均明显降低,预测结果优于模糊时间序列预测模型和普通直觉模糊时间序列预测模型.

网电空间中基于IFTS预测模型的IDS方法

网电空间是在信息化发展条件下随着世界军事的重大变革而产生的新兴作战空间,尤其是在防空反导对抗方面具有十分重要的影响。由于安全机制不尽完善,网络空间所要面对的威胁也不断增多。基于此背景,文中提出一种基于IFTS预测模型的入侵检测方法,该方法通过计算网络数据各特征属性的直觉模糊来预测误差,并通过直觉模糊预测误差来区分正常数据和入侵攻击,从而达到检测预警的目的。在此基础上,建立了入侵检测框架,并通过搭建仿真实验模拟平台来模拟一个抽象的、简化的网电空间对抗模型,对算法的有效性及效能进行验证。实验结果表明,该方法是一种有效的方法,并且在一定程度上提高了模型的检测率。

基于双联支持向量机的入侵检测技术

为提高网络入侵检测系统的性能,提出基于双联支持向量机的入侵检测方法。介绍网络入侵检测系统工作的基本原理;引入双联支持向量机和入侵检测分类器;构建基于双联支持向量机的入侵检测模型。仿真结果表明,该方法可以在样本数据很少的情况下,高速率、高精度地对计算机网络安全进行检测,适用于入侵检测系统。