工业控制系统入侵检测技术研究综述

ICS接入互联网后,原有的物理隔离被打破,导致ICS固有漏洞和缺陷被暴露在互联网中,极易受到入侵者的攻击,已经严重威胁工业生产的安全。为了保证工业生产的安全稳定,大量研究人员针对ICS入侵检测技术进行研究。根据ICS独特性和高周期性将现有的研究方法分为基于特征的入侵检测方法和基于行为周期的入侵检测方法,并详细分析了两种方法的差异和优缺点,最后对IDS研究方向进行展望。

EB-GAN:基于BiGAN的网络流量异常检测方法

网络入侵检测系统是网络安全的重要组成部分,被用来检测并防御各种外来攻击。作为入侵检测尤为重要的方法之一,传统的异常检测模型存在误报率高、性能差等问题。针对这些问题,提出一种网络流量异常检测模型Enhanced BiGAN(EB-GAN)。使用BiGAN基本网络框架学习真实复杂数据的分布;GAN的鉴别器使用双向长短期记忆网络捕捉序列分布的时间相关性,添加注意力机制使模型更有效地找到输入数据与当前输出数据之间的相关信息,从而提高检测率;结合WGAN和混合增强GAN的损失函数使得模型训练收敛更快。利用KDDCUP1999数据集对该方法进行了实验评价。实验结果表明,该方法优于对比的流量异常检测方法。

面向NBA球员的数据分析和可视化

深入分析NBA球员的各项数据,进行全面的球员各项能力分析,对教练了解每个球员的能力和优化出场人员及顺序有重要的意义。现有很多对NBA比赛数据进行分析的案例都仅针对球员的某一方面数据,对此提出一种从球员自身出发,分析其在赛季中的各项表现,以便于用户分析出球员能力的球员能力分析系统。该系统利用多维数据按照赛季和单场比赛两个角度对球员的成绩进行分析,从所有球员、对位球员、球员自身等多角度,分析球员的多项数据。利用可视化的方法,简要、清晰地展现出该球员的能力排名、突出能力和在球队中的作用。