基于数据挖掘的异常入侵检测系统研究

网络上不断出现新的攻击方法,要求入侵检测系统具有能检测新的未知攻击的异常检测能力。本文提出了一个基于数据挖掘的异常入侵检测系统ADESDM。ADESDM系统提出了同时从网络数据的协议特征,端口号和应用层数据中挖掘可疑行为的方法。在挖掘过程中,不但采用了基于强规则的关联规则挖掘方法,还针对强规则挖掘方法的缺点,提出了基于弱规则的关联规则挖掘方法,来检测那些异常操作少,分布时间长等不易检测的的网络攻击。同时利用网络通信的时间、方向、端口号、主机地址等属性之间的影响,建立以各属性为节点的贝叶斯网络作为异常判别器,进一步判别关联规则挖掘中发现的可疑行为,提高了系统检测的准确率。

基于弱监督的属性关系抽取方法

针对从中文百科中抽取属性关系时所面临的训练语料匮乏问题,提出一种利用极少人工参与的弱监督自动抽取方法。首先,利用中文百科条目信息模板中的半结构化属性关系回标条目文本自动获取训练语料;然后,根据朴素贝叶斯分类原理优化训练语料;最后,基于条件随机场(CRF)建立属性关系抽取模型。在互动百科中采集的数据集上进行实验,综合评价F值达到了80.9%。结果表明该方法能够获得质量较高的训练语料,并取得良好的抽取性能。

陇南地区弱膨胀土膨胀性分级标准研究

通过对膨胀土膨胀性分级指标的分析,选择自由膨胀率、胀缩总率、塑性指数和小于0.002mm颗粒质量分数等作为陇南地区膨胀土判别膨胀性的指标;并利用这4项指标将弱膨胀土的膨胀性细化为强弱膨胀土、中弱膨胀土和微弱膨胀土,得出弱膨胀土分类标准;通过Bayes判别法对甘肃陇南地区弱膨胀土分类标准进行判别,并与膨胀土实际膨胀性进行对比,结果表明评判效果较好。

红外小目标检测中的Bayes估计器背景抑制方法

针对红外小目标检测中的背景抑制问题,提出一种新的方法。利用分布图法和Bayes估计器根据有限帧图像估计出当前取景框的"纯背景",将各图与背景图运算得到只含有目标和少数噪声点的图像,对图像进行分割和目标判别,可有效抑制图像中的起伏背景,降低后期处理的错误率。实验验证了该方法的有效性。

利用贝叶斯网络方法判定整机产品薄弱环节

针对基于外场使用数据的统计分析方法和可靠性分析两类常见的整机产品薄弱环节确定方法进行研究,发现两类方法的应用均受到了限制,提出了一种把传统故障树转化为贝叶斯网络来确定整机产品薄弱环节的方法。该方法用Bayes模型确定贝叶斯网络中各节点发生的条件概率,首先利用Beta分布描述节点发生条件概率的先验分布,参考专家经验,通过极大熵方法给出先验分布中的超参数;然后,再结合整机产品相关试验、类似型号等数据,对节点发生的条件概率做出Bayes估计;最后利用贝叶斯网络的反向推理确定整机产品的薄弱环节。通过光纤陀螺对本方法进行验证,分析结果与工程实际相符合,为整机产品的薄弱环节分析提供了新的思路。

一类可靠性分布参数的经验Bayes决策分析

在弱平稳α-混合样本下利用概率密度函数的核估计构造了伽玛分布族参数的经验Bayes(EB)检验函数,并获得了它的渐进最优(a.o.)性.在适当的条件下证明了所提出的EB检验函数收敛速度可任意接近O(n^(-1/2)).