基于迁移学习和D-S理论的网络异常检测

对于分布不同或分布相似的未知类型的网络攻击,目前的异常检测技术往往不能达到预期的效果。针对上述问题,研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模,此模型在构建时考虑了不同分布的异常攻击间的差异;然后用其训练得到的分类器对未知的网络行为进行分析,结合D-S证据理论,可以检测出分布不一致的未知攻击类型。实验结果表明,该方法泛化了传统的网络异常检测技术,对未知的网络异常有着较高的检测率。

基于评论异常度的新浪微博谣言识别方法

以微博为代表的社交媒体在为公众提供信息共享平台的同时,也为谣言提供了可乘之机.开展微博中谣言的识别和清理方法研究,对维护社会的安全稳定有着重要的现实意义.本文针对新浪微博平台中谣言识别的问题,提出了一种基于评论异常度的微博谣言识别方法.首先采用D-S理论实现微博评论异常度的计算方法;然后利用评论异常度与微博的内容特征、传播特征、用户特征对微博进行抽象表示;最后再利用SVM(Support vector machine)构建一个基于评论异常度的谣言识别模型,实现对新浪微博中谣言微博的识别.实验表明,本文提出的谣言识别模型对新浪微博中谣言识别具有较好的效果,谣言微博识别的F1值达到了96.2%,相较于现有文献的最好结果提高了1.3%.

浅析古立克异常学说与西蒙理论对官僚制的挑战

公共行政的传统模式——官僚制在各国公共管理领域中发挥着重大作用的同时,自身也存在着难以克服的内在矛盾,遭遇到了古立克异常学说与西蒙理论的挑战,这种思想上的碰撞预示着传统公共行政的思想危机,反映了公共行政思想的发展脉络。

基于多源数据融合的突发水污染事故可靠预警方法

在突发水污染事故自动监测领域中,传感器节点监测数据的异常是影响自动监测系统预警可靠性的重要原因.考虑到多传感器信息之间的互补性和相关性,该文提出了一种基于多源数据融合的突发水污染事故可靠预警方法.基于改进的D-S证据理论,利用综合权重对节点证据进行加权修正,并用D-S融合规则对多源数据进行两两融合,最终根据融合结果对突发水污染事故进行预警决策.案例分析及实验结果表明:与传统方法相比,该方法能得到可靠度更高、聚焦性更好的预警结论.

改进的证据K近邻异常工况检测及应用

大型火力发电系统复杂,诱发异常工况的因素多、难以检测,并且过程数据中故障案例少,有标签的故障样本不完备,难以建立有效的异常工况检测模型。针对这些问题,提出一种基于证据K近邻的异常工况检测方法。首先,基于斜坡系数完成对历史数据稳态工况的划分,便于建立工况模型;然后,基于工况数据的局部密度构建证据体,确定异常工况检测边界;在线应用时,过程数据的异常特性由证据体根据K近邻原则判定。所提方法在模型构建与应用时不需要完备的有标签样本,建模效率高,模型更新维护较为方便。案例分析表明,所提方法与主成分分析(PCA)、基于K近邻的故障诊断(FD-KNN)、证据K近邻(EKNN)方法相比具有较低的误报率和漏报率,具有较好的工程应用价值。

基于经验约束规则和证据理论的入室盗窃案件嫌疑人异常轨迹检测

根据系列入室盗窃案件嫌疑人的活动特征,提出了一种利用证据理论检测嫌疑人员的异常轨迹方法。该方法在进行时空距离约束的基础上考虑了案发前后主体位置是否异常、案发期间主体位置是否异常、案发前后主体速度是否异常等3个因素,利用证据理论,综合这3个指标来判别轨迹的异常程度,进而检测轨迹主体的异常性。实验结果表明,在海量的时空数据中,此方法能有效排除大部分在案件时空距离约束内的异常“噪声”,缩小侦查范围,能够一定程度上解决有预谋入室盗窃案件嫌疑人的异常轨迹识别问题。