基于去噪扩散概率模型的网络流量入侵检测方法研究

互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于去噪扩散概率模型的网络流量入侵检测方法——DDPM_1DCNN_BiLSTM,使用去噪扩散概率模型生成稀有类攻击流量数据进行样本扩充,使用融合自注意力机制的1DCNN_BiLSTM模型进行特征的提取与流量检测.实验使用不平衡入侵检测数据集NSL-KDD,将1DCNN_BiLSTM与包括randomforest,decisiontree等现有常见分类模型分别在原始训练集与平衡化数据集上训练,并使用训练后的模型对同一测试集分类.实验结果表明,由平衡化数据集训练出的各种现有分类模型相较于由原始不平衡数据集训练出的模型,前者在测试集中表现的效果更好,并且所提方法相较于常见的入侵检测方法具有更高的准确率与F1分数,证明了所提方法对提高稀有类攻击流量检出率与入侵检测综合能力的有效性.

一种基于逻辑判别式的稀有类分类方法

基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etric),其同时考虑正类和负类的召回率以及正类的精度,其中正类和负类的召回率用于保障模型在评估指标召回率以及g-mean(正类和分类的召回率的几何平均数)上具有较高的泛化能力,正类的召回率和精度用于保障了模型具有较高的准确率以及fmeasure值(基于正类召回率与精度的指标).LDRC使用RPM作为目标函数监督参数学习过程,以保障LDRC具有较高的整体泛化能力.UCI数据集上的实验结果表明,与传统的逻辑判别、基于过采样和基于欠采样的逻辑判别相比,LDRC模型在评价指标召回率、g-mean和f-measure上都表现出明显优势.

基于基因表达式编程的代价敏感分类算法

针对传统分类算法在稀有类上的分类效果不佳,通过引进代价矩阵,改进了基因表达式编程的适应度函数,提出了一种基于基因表达式编程的代价敏感分类(CSC-GEP:Cost-Sensitive Classification-Gene ExpressionProgramming)算法,并在UCI数据集上对该算法进行了实验。实验结果表明,CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%,2.89%,5.12%,证明了CSC-GEP是一种有效的代价敏感分类算法。

集成学习在网络入侵检测中的实验研究

针对现有的网络入侵检测算法对少数类攻击的检测存在高误报率和漏报率的问题,在对稀有类分类技术研究的基础上,将集成学习应用到入侵检测中。采用基于负载均衡策略的入侵检测模型,把网络数据包按协议类型进行分流,对每个子集用AdaBoost算法提升C4.5弱分类器的方法进行分类,在KDD'99数据集上进行仿真实验,结果表明该方法可有效提高系统的检测率。

AdaBoost算法在网络入侵检测中的实验研究

提高入侵检测系统的检测率并降低误报率是一个重要的研究课题。在对稀有类分类问题研究的基础上,将集成学习应用到入侵检测中,采用对高速网络数据进行分流的检测模型,把网络数据包按照协议类型进行分类,然后交给各个检测器,每个检测器以C4.5分类器作为弱分类器,用集成学习AdaBoost算法构造一个加强的总检测函数。进一步用SMOTE技术合成稀有类,在KDD‘99数据集上进行了仿真实验,结果表明这种方法可有效提高稀有类的检测率。

稀有类分类问题探讨

分类是数据挖掘中的重要任务之一,稀有类分类问题是分类中的一个重要分支,可以描述为从一个分布极不平衡的数据集中标识出那些具有显著意义却很少发生的实例,在现实生活中的很多领域都有广泛的应用。详细地介绍了稀有类分类的问题,探讨了稀有类分类的一些特征、影响稀有类分类的一些因素和对稀有类分类进行评估的标准,介绍了当前分类稀有类的主要方法:基于数据集的方法和基于算法的方法。介绍了当前几种流行的稀有类分类算法。

阶级分层:对当代中国社会分层的另一种解读——基于学理层面思考的中国阶级分层

卡尔.马克思的社会阶级理论仍然适合分析当代中国的社会分层。按照马克斯.韦伯的关于阶级和阶层是一个历史过程的观点,中国开始出现阶级现象;并尝试运用稀缺性生产要素占有关系解读当下的中国阶级状况及其相互关系;认为阶级分化或冲突并不必然会导致阶级对抗,阶级合作是现代社会的一个理性选择。

基于聚类和Ripper的稀有类分类方法

稀有类分类在许多领域有重要应用,针对稀有类在数据中所占比例少,容易被忽略的特点,提出一种基于聚类和Ripper的稀有类分类方法,该方法在一趟聚类的结果中,通过将在整个数据集中所占的比例低于15%的聚类标识为少数类,再应用Ripper分类算法分别对少数类和多数类分别进行分类建模,并按照一定的组合方式调整得出整个数据集的最终规则集.在UCI数据集上的测试结果表明,基于一趟聚类和Ripper的稀有类分类方法对稀有类可产生高质量的分类效果.可以将该方法应用于现实生活的领域中进行稀有数据的分类.

基于SMOTE算法与决策树的沙尘暴短期预警研究

针对沙尘暴灾害发生时间预测准确率较低、传统的预测模型预测效果欠佳问题,建立了基于SMOTE算法与决策树算法的沙尘暴预测模型.该模型利用西北六省的气象观测数据,较好地解决了稀有类的分类问题,总体预测成功率达到76.25%.研究结果表明该模型分类准确率高、泛化性能好、抗噪音、鲁棒性好,较好地解决了沙尘暴预测中不平衡样本的分类预测问题,可用于实际的沙尘暴预警.

样本大小对稀有类分类的影响

分类稀有类在现实生活中的很多领域都有广泛的应用,但普通的分类算法在分类稀有类时往往失效。探讨了影响稀有类分类的各个因素,针对影响稀有类中的一个因素,样本大小对稀有类的影响进行了研究。对于UCI学习库中的三个数据集,在weka平台上使用Rotation Forest进行实验,对于相同的类比率,使用unsupervised resample数据预处理方法使样本由小变大。结果表明在特定的类比率下,使样本变大,由数据的不平衡分布造成的分类错误下降,普通的分类算法在分类稀有类时往往也可以取得很好的分类结果。

后河自然保护区珍稀植物群落谱系结构的时空变化

群落中所有物种对的亲缘关系程度构成群落的谱系结构。研究群落的谱系结构可以有效地揭示环境过滤、竞争排斥、中性过程三大生态过程对群落构建的相对重要性。本文以湖北后河自然保护区1hm2固定样地的珍稀植物群落为研究对象,分别研究了5m×5m、10m×10m、20m×20m、30m×30m、40m×40m、50m×50m6个空间尺度和在10m×10m、20m×20m、30m×30m、40m×40m、50m×50m5个空间尺度下5cm≤DBH<10cm、10cm≤DBH<15cm、15cm≤DBH<20cm、DBH≥20cm 4个径级对亚热带常绿落叶阔叶混交林群落谱系结构的影响。结果发现:随着空间尺度的增加,谱系结构逐渐趋向聚集。随着径级的增大,群落谱系聚集程度越来越小。但当DBH≥20cm时,群落谱系聚集度较高。在25m2的尺度上群落谱系结构表现为随机,而在100m2及更大的尺度上群落谱系结构都表现为聚集,说明在亚热带常绿阔叶落叶混交林的群落构建过程中,小尺度上中性过程可能起主导作用,而大尺度上生态位过程可能更重要。

高校“走近稀土材料”视频公开课教学探析

"走近稀土材料"视频公开课程以我国特色资源稀土为主题,以稀土功能材料为授课内容,以化学专业本科生为授课对象,同时面对社会大众,系统介绍重要稀土材料。传播稀土领域最新的进展,介绍稀土材料与现代社会发展的密切关系,阐明稀土材料结构、组成与性能的关系。课程借助"爱课程"平台,探索知识、实践、能力综合培养的教学模式,同时"立德树人",培养学生的"家国情怀"。

色季拉山珍稀濒危植物优先保护研究

以西藏色季拉山16科、49属、87种珍稀濒危植物为研究对象,通过对其评价指标的定量化和权重分配处理,求得物种的"濒危系数"和"优先保护值",确定了物种濒危等级和优先保护等级。结果表明:(1)西藏色季拉山的87种植物中有1种处于极危状态,13种处于濒危状态,55种处于易危状态,18种处于近危状态。(2)西藏色季拉山有一级保护植物23种,二级保护植物53种,三级保护植物11种。(3)该研究结果与各种保护植物名录的濒危等级和优先保护级别存在较大差异,大部分植物在本区受威胁程度加强,应引起足够重视。

分类稀有类的两阶段方法

两阶段方法能够高效地对稀有类进行分类,第一阶段(P阶段)训练P规则预测目标类的存在性.这些P规则覆盖绝大多数的正例(目标类例子),在该阶段中尽量覆盖那些属于目标类的正例.第二阶段(N阶段)学习N规则预测目标类的不存在性,其所基于的数据集为所有P规则所覆盖的正例和反例(非目标类例子)集.N规则的目标是尽量去除由P规则所引入的反例,并尽可能地保留正例,在该阶段中尽量获得高精度.在测试阶段对所得到P规则和N规则根据一定的分值机制赋值,并根据这些规则的分值来分类.

样本大小对非平衡数据分类的影响

探讨了影响稀有类分类的各个因素,针对影响稀有类中的一个因素——样本大小对稀有类的影响进行了研究。

稀有类分类问题研究

稀有类问题又称为不平衡类问题,可以描述为从一个分布极不平衡的数据集中识别那些所占比例极少却意义显著的少数类实例。识别并正确分类稀有类实例,对现实生活具有重要的意义。本文探讨了稀有类的特征、影响稀有类分类的因素,重点阐述了现行的稀有类分类方法。

稀有类分类算法的研究

稀有类的分类问题在商业、金融、电信、科学研究等诸多的领域都有着广泛的应用,但是由于其难区分性、多态性、稀有性等主要的特征,使其传统的分类方法对于稀有类的分类来说,并没有良好的效果。因此对于稀有类分类问题的研究是具有理论及其实践意义的。将稀有类的现有分类算法分别进行了阐述,而且引入了专用于稀有类分类算法的评估标准。

基于稀有类分类算法的入侵检测研究

稀有类是数据挖掘中一个重要研究课题。将入侵检测作为稀有类来考虑,阐述了现有的稀有类算法,将基于Boosting的成本敏感的朴素贝叶斯算法引入到入侵检测中,经过试验验证该算法与传统分类算法相比具有很大的优势。

后河自然保护区珍稀濒危植物群落乔木层结构特征

对 1hm2 固定样地内的亚热带常绿落叶阔叶混交林乔木层树种的胸径级结构和高度级结构以及按径级对乔木树种多样性和均匀度进行了研究。结果显示 :群落内乔木树种数和个体数随径级和高度级增加呈下降趋势 ,树种数和个体数之间存在显著正相关关系。胸径面积之和随胸径级增加呈波动状态 ,而随高度级的增加呈先升后降的变化。群落的多样性指数和均匀度指数都较高 ,群落内优势种明显 ,各种的多度差异较小 ,群落结构较为稳定。其中珍稀植物在各个胸径级和高度级内的树种数和个体数都较高。群落的更新良好 ,幼苗补充充足 ,珍稀树种幼苗丰富度和多度较高。

珍稀濒危植物紫纹兜兰的种群结构和数量动态

通过对广东省河源市紫金县白溪省级自然保护区紫纹兜兰(Paphiopedilum purpuratum)进行样方调查,运用种群生命表、存活曲线、种群生存函数值和时间序列预测分析方法,研究紫纹兜兰种群的动态变化过程,揭示各龄级植株的数量动态和变化规律。结果表明,紫纹兜兰龄级以幼龄为主,幼龄阶段占整个种群的54.73%,年龄结构为稳定型。种群年龄结构的动态指数Vpi为0.33、Vpi’为0.07,均大于0,紫纹兜兰的存活曲线更接近Deevey-Ⅱ型,表明该种群目前属于稳定型种群。累计死亡率函数和危险率函数上升,生存率函数下降,死亡密度函数波动较大。从时间序列预测分析表明,种群具备一定的恢复能力,但是种群整体数量随时间的增加,成年植株逐渐增加,幼苗减少。平均开花和结实率仅为16.94%和3.29%,种子没有胚乳而营养不足,在自然环境下很难发育成幼苗,主要靠分蘖植株繁殖,因此对紫纹兜兰幼苗的保护很关键。