基于Transformer-XL-DNN的网络入侵检测方法

网络入侵检测(NIDS)是保障网络安全的重要手段。目前,基于深度学习的网络入侵检测方法难以高效捕捉数据时序特征,存在分类准确性和实时性难以平衡的问题。提出了一种基于Transformer-XL和DNN的混合模型Transformer-XL-DNN。该模型采用Transformer-XL多头注意力机制对网络流量数据的全局特征进行初步提取,利用其独有的循环机制和位置编码方法高效地捕捉特征之间的时序信息。采用Transformer-XL的残差连接对这些数据特征进行恒等映射,以应对模型中的梯度消失和网络退化问题。采用DNN模型提取深层抽象特征,通过Softmax分类器输出分类结果。同时,采用自适应过采样方法(ADASYN)使网络攻击流量和正常流量保持相对均衡,解决网络入侵检测训练数据集数据不平衡的问题。实验表明,在NSL-KDD数据集上TransXL-DNN的二分类准确率达到90.26%,明显优于TCN-DNN、BiLSTM-DNN、Transformer-DNN等网络入侵检测模型。

基于改进TOPSIS的动态权重负载均衡算法

针对微服务架构下服务器集群在高并发场景下负载失衡等问题,提出一种基于改进逼近理想及排序法(TOPSIS)的动态权重负载均衡算法。根据各后端服务器硬件配置差异,引入权重系数,权重越大表明该后端服务器当前处理请求优先级越高;设计一种计算理想贴近度作为动态权重的TOPSIS模型,结合熵值赋权法计算负载信息指标的权重对后端服务器进行综合权重赋予;通过收集运行中各后端服务器的实时负载信息,提出一种最少上报策略周期性修改后端服务器权重,最大化利用集群资源。实验结果表明,微服务架构下的服务器集群在高并发场景下,该算法对比当前主流负载均衡算法具有更低的响应时间和更高的吞吐量。

开展高标准基本农田建设项目督察

为加快推进垦区高标准基本农田建设在建项目的实施进度，确保按时保质保量地完成全部建设内容，近日，省厅驻农垦总局国土资源局组织相关工作人员及技术专家成立两个督察组，深入到东部和西部共9个管理局，对垦区2013年在建项目进行了现场督察。