网络安全审计中特征数据关联方法的研究

文章提出了一种基于多特征要素的网络安全审计中的特征数据关联方法。该方法以国际移动设备识别码(International Mobile Equipment Identity,IMEI)、国际移动用户识别码(International Mobile Subscriber Identification,IMSI)、移动终端MAC(TERMINAL_MAC)地址三个特征要素为关联因子,通过持续更新完善特征信息串的方式,有效解决了在接入网络的移动终端MAC地址可能发生周期变化的情况下,构建移动终端用户唯一虚拟画像的问题。

基于优先级诊断树的工控网络入侵数据关联挖掘方法

研究基于优先级诊断树的工控网络入侵数据关联挖掘方法,提高工控网络入侵数据挖掘能力。采用网格搜索与模拟退火算法相结合的方法得出SVM提取器最优参数,通过SVM提取器提取工控网络入侵数据特征,运用粗糙集约简工控网络入侵数据特征属性,降低工控网络入侵挖掘的数据样本冗余特征属性。将约简的特征作为优先级诊断树的输入,依据工控网络入侵数据关联挖掘准则,使用优先级诊断树实现工控网络入侵数据关联挖掘。实验结果表明,该方法平均误报率为1.38%,检测率大于90%,挖掘时间低于3.6 s,在-6~26 dB归一化空间谱范围内,均能有效地实现工控网络入侵信号数据挖掘且检测效果最优。

中国特色政府信息公开与数据开放关联性分析

政府信息公开与数据开放是数字政府建设的重要内容,厘清两者之间的关系,有助于两者相互促进、推进国家治理体系和治理能力现代化。政府信息公开与数据开放在发展过程中具有一致性和差异性,两者存在有益共生关系。基于此,未来应优化数据要素,推进政府信息公开和数据开放协同发展。同时,将开放推进到数据层面,实现数据的深度开放和共享。

基于关联规则算法的无线通信网络数据安全分类方法

针对现有数据安全性分类方法的分类精度和效率较低问题,提出基于关联规则算法的无线通信网络数据安全分类方法。通过关联规则挖法找出无线通信网络数据间联系,采用C4.5决策树方法实现数据安全性初步分类,利用马尔可夫链构建无线通信网络射频信号的安全性分类模型,测试结果证明:所提方法ACU面积指标接近于1,适用性强,分类精度高,且分类时间在30 min以内,能够有效提升了分类速度,鲁棒性高。

基于关联规则改进的网络异常数据挖掘方法

传统的网络异常数据挖掘方法在计算网络异常数据与相关核心的距离时存在准确度不高的问题,导致挖掘精度有限,因此研究提出一种基于关联规则算法的改进网络异常数据挖掘方法。首先,初始化网络异常数据关联核心,采用Kmeans算法对网络异常实体数据执行局部搜索和优化;其次,运用关联规则算法精确计算网络异常数据与关联核心之间的距离;最后,确定距离关联核心最远的网络异常数据,以完成挖掘过程。研究结果显示,在挖掘相同数量的网络异常数据时,相较于传统方法,该研究方法能显著增加正确挖掘出的网络异常数据比例,提升对网络异常数据的识别精准度,具有显著优势。

基于关联数据的政府开放数据故事价值增值研究

文章基于政府开放数据故事的组成及其价值增值的驱动因素,分析政府开放数据故事价值增值的经济学过程及数据故事化的关联机制,构建包括数据资源层、基本描述层、关联数据层、故事呈现层和用户应用层的政府开放数据故事价值增值模型,并阐释其运行机理,进而提出基于关联数据的政府开放数据故事价值增值策略,即采用延迟化的安全防护策略,借鉴适应性的动态链接维护策略,集合多维度的协同监管策略,提供差异化的交互服务策略。

混合属性网络多维多层关联数据智能挖掘算法

针对传统关联数据挖掘算法,强项集挖掘后产生大量候选项集,导致挖掘耗时长、挖掘精度低等问题,提出一种混合属性网络多维多层关联数据智能挖掘算法(Multidimensional Multilayer Associative Data Intelligent Mining Algorithm,MMAD-IM)。计算混合属性网络中随机数据到簇中心的距离,将目标数据分配到距离簇中心最近的簇中,使簇中心固定,完成混合属性网络数据的聚类分析。从聚类完成的数据中提取出有效的基本频繁向量,同时计算数据的候选项集,对哈希表进行扫描,利用改进Apriori算法完成强项集挖掘。以此为基础构建空间关系,获取近似区域与近似点之间的距离,形成待挖掘数据并计算数据的隶属度数值,完成智能挖掘。实验结果表明,所提算法具有较好的数据聚类效果,强项集挖掘后剩余的候选项集数量较少,整体数据挖掘耗时远低于传统算法,挖掘精度高达90%。

基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究

目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明:与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少947;基于检测置信度与轨迹状态的多级数据关联算法可以明显改善跟踪性能,MOTA指标提升3.36%。算法最终在MOT17与MOT20测试集上的MOTA达80.4%与77.7%,IDF1达78.4%与76.7%。提出的行人多目标跟踪方法相较于其他先进算法在跟踪精度与跟踪速度上达到更好的平衡,可为工业上在线行人多目标跟踪应用提供参考。

基于Apriori的视觉传感网络关联数据高效识别方法

在视觉传感网络关联数据识别中,由于数据变化的规律难以捕捉,造成识别结果精确度降低,为此,提出了基于Apriori的视觉传感网络关联数据高效识别方法。通过设计视觉传感网络联合监控系统监控视觉传感网络数据变化情况,获取视觉传感网络关联数据。该系统由处理器单元、数据传输单元等四个模块构成。提取图像中的感兴趣区域完成ROI提取,并通过腐蚀处理等方式对视觉传感网络关联数据实施形态学处理。基于Apriori算法实施视觉传感网络关联数据之间关联规则的挖掘,实现视觉传感网络关联数据的识别。布设实验环境后,使用三个数据集测试该方法的识别性能。测试结果表明,所提方法的微平均查全率均高于94.86%,微平均查准率高于93.02%,最高召回率为98.52%,三个项目的测试值均较高,证明了该方法对视觉传感网络关联数据识别比较准确。

OpenAIRE关联开放数据研究

文章对OpenAIRE关联开放数据从数据模型、词汇表的选择和创建、数据映射、LOD的批量生成、数据的链接、对外开放查询进行了详细的分析,为我国分散的机构知识库、学术平台、期刊平台等数据的语义化整合、数据互操作和开放获取提供了一种新的方法与思路。但是目前OpenAIRE关联开放数据的实现仍然存在许多问题和挑战:URIs不够稳定;OpenAIRE LOD的数据生成过程是人工实施的;主要是通过URI访问,数据链接的质量有待提高。建议在OpenAIRE关联开放数据的实现过程中进一步增强数据稳定性、实施数据自动转换方法、开展多路径查询方式、加强数据质量控制与评估。

关联数据公共目录探究

近年来已有许多图书馆导入关联数据,提供多种在线公共目录的信息服务。文章依据关联数据公共目录的发展现况,选取具有丰富书目本体语义关系的简·奥斯汀的相关及其衍生作品为样本,同时以西班牙国家图书馆、法国国家图书馆,及美国国会图书馆的关联数据服务和共享型虚拟探索环境4个案例为对象进行评估,发现已具备关联化信息探索等10项功能,特点不尽相同,包括网络化公共目录、关联数据公共目录类型、关联数据化方式、URI关联化程度、语义关系与开放程度等。最后针对关联数据公共目录与资源探索系统在多个方面加以比较。

面向保护和利用的大遗址本体与关联数据研究

大遗址与所在地的居民生活生产、城乡发展以及资源保护与利用等方面存在紧密关联,在我国快速的城镇化进程中,大遗址的保护和利用面临巨大压力。对大遗址知识的有效组织是大遗址保护和利用的前提。本体和关联数据技术为大遗址知识组织提供了新的方法及实现路径。文章首先结合文献调研,复用CIDOC-CRM和OWL-Time本体构建上位本体;然后通过构建顶层框架和抽取概念实例,获取大遗址知识概念和实例,并将其转化为大遗址本体的实体、对象属性和数据属性;最后基于关联数据技术,以西安片区大遗址为例,利用D2RQ发布大遗址知识的关联数据集。文章通过构建本体和发布关联数据实现了大遗址知识的语义关联和开放共享,为提升大遗址的保护和利用水平提供了数据支撑和知识服务。

基于体质测试大数据的灰色关联分析:建模与实证

目前,中国普遍采用电子仪器采集学生体质测试结果,积累了大量具有大数据特征的原始数据。在面对体质测试大数据时,如何利用数学模型找出测试项目之间的相关性,从而准确描述其相关性的强弱,具有科学意义。采用改进的灰色关联分析模型,对西部某高校31198名大学生体质测试大数据进行分析。该模型改变了传统邓氏模型的计算过程,使其适用于大数据。结果表明:BMI值对女生下肢耐力和爆发力有较大影响,是女生最重要的体质测试指标;肺活量对男生的耐力、灵活性和下肢爆发力有不同的影响,是男生最重要的体质测试指标;长跑,即男子1000 m跑、女子800 m跑和立定跳远,不仅是身体素质的2个最重要的指标,而且它们之间存在着很强的相关性。改进的灰色关联分析为大数据环境下体质测量指标之间的相关性分析提供了新的思路,为不同领域的大数据分析提供了建模参考。

“探索”视角下的书目关联数据化与图书馆服务创新研究

《IFLA图书馆参考模型》(IFLA-LRM)概念模型取代FRBR,以此为统领,RDA、BIBFRAME和MARC21的一系列元数据标准的革新,体现了关联数据时代图书馆资源数据突破平台限制、提升在互联网的可见度、实现复用与共享的意图。新增的“探索”用户任务是理解多个元数据标准文件不断更新迭代的关键线索,把握书目关联数据化这一趋势,并且不受限于以文献为中心的思维定式,将“探索”思维贯穿在图书馆工作的各个方面,将为转型时期的图书馆事业创新带来启发,更好地服务于智慧图书馆时代的用户群体。

一种长基线被动传感器数据关联方法

为了提高测向交叉定位系统多目标环境下的去鬼点性能,提出了一种长基线被动传感器数据关联方法.首先利用被动传感器量测的视线矢量信息进行交叉定位并计算定位误差协方差矩阵,然后基于两个定位点构造了一个卡方分布的检验统计量,将多目标条件下的去鬼点问题转换为假设检验问题.为了分析该方法的性能,定义了真实目标的正确关联概率和鬼点目标的错误关联概率,并在使用两部和三部被动雷达的情况下分别与倾斜角方法进行了仿真对比.仿真结果表明所提出的方法在使用三部被动雷达或多目标与被动雷达共面时关联性能更好.

基于关联规则的油田大型机泵设备振动故障数据采集方法

为了在不同工况下获取完整的振动故障数据,设计关联规则的油田大型机泵设备振动故障数据采集方法.提取大型机泵设备振动故障数据特征,在数据标准阈值中设定预警值与报警值,获取故障数据的全频域信息;基于关联规则方法优化振动故障数据采集完整性,通过分解、排序、更新三个步骤在处理噪声的同时保证数据完整性;引入连续采集算法判定振动数据故障阈值,优化完成油田大型机泵设备振动故障数据采集.实验表明,该数据采集方法可以在六种工况下,有效获取机泵设备回旋振动与纵向振动的完整故障数据,具备实际可行性.

基于大数据关联规则算法的卡林型金矿床元素富集规律及找矿方法研究

大数据时代的到来,为卡林型金矿床开拓了新的找矿思路。本研究应用关联规则算法,挖掘滇黔桂“金三角”卡林型金矿床内微量元素与金矿化海量数据之间的关联性,提取元素异常组合,分析控制因素,定量构建找矿标志。结果显示矿床内元素异常组合分为4组:(1)强正关联显著富集元素(As、Sb、Hg、Tl、Ag、W和Rb),显示硫化和黏土化作用;(2)较强正关联略富集元素I(Zr、Th、Ta、Nb和Hf)和强负关联强迁出元素(Li和Sr),显示去碳酸盐化作用;(3)较强正关联略富集元素II(Sn、Zn、Ni、V、Co和Cu),显示硫化作用;(4)弱关联基本无富集元素(Cd、Pb、Ba、Bi、U和Mo),与成矿无显著关联。从大数据角度获取的元素异常组合,与学界关于Au主要在去碳酸盐化、硫化和黏土化条件下形成的认识一致。通过关联规则算法分别对与硫化和去碳酸盐化相关的元素建立定量找矿标志。硫化找矿标志:样品中As、Hg、Sb、Tl、W、Ag和Rb等元素内中高含量项数≥1、≥2、≥3、≥4和≥5时,对应的Au矿化分别为≥4.5×10^(-9)、≥47.0×10^(-9)、≥150×10^(-9)、≥500×10^(-9)和≥1000×10^(-9);样品内高含量项数≥1、≥2和≥3时,对应的Au矿化分别为≥150×10^(-9)、≥500×10^(-9)和≥1000×10^(-9);找矿过程中两组指标配合使用,确保不漏矿,高效圈矿。去碳酸盐化找矿标志:样品中Zr、Th、Ta、Nb和Hf含量任意两项出现正异常,认为样品经历过去碳酸盐化作用。定量识别的硫化和去碳酸盐化找矿标志可望在卡林型金矿找矿预测中发挥重要作用。本研究基于关联规则算法分析矿床元素富集规律、控制因素和定量构建找矿标志的方法,也可为其他类型矿床开展类似研究提供新思路。

基于大数据关联分析的学生考试成绩分析

考试成绩不仅是院校教育者了解教学实施情况的重要参考,更是学生了解自身知识掌握情况、寻找短板弱项、科学制定个人学习目标的重要参考。开展基于大数据的考试成绩分析与应用,寻找学生考试成绩背后各科目之间的相互关联,对于各高校提升管理质量和管理效益,学生开展更有针对性的学习具有十分重要的意义。采用Apriori算法的数据挖掘技术,对我校已毕业的2018级学生高考、在校期间的考试成绩数据进行了分析,寻找制约学生成绩的关键课程和影响因素,为改进人才培养提供数据支撑。

档案著录信息关联数据化:国际经验与中国路径

关联数据技术已成为档案数据资源开放共享的重要工具。探究档案著录信息关联数据化的国际经验有利于我国档案资源描述的规范化、标准化。以英国LOCAH项目、国际档案理事会RiC-O以及Europeana数据模型为例,对档案关联数据项目和相关数据模型展开调查和研究。基于此,提出我国档案著录信息关联数据应加大档案开放力度,增强对档案资源的语义描述,建立丰富的档案著录数据,加强各方主体协同与资源集成,探索低成本、轻量级的档案著录关联数据化项目。

基于多传感器数据关联的综合传动装置服役状态辨识方法

针对综合传动装置在恶劣环境下传感器数据跳变、可靠性差,导致依赖单一传感器信息带来的状态判断虚警率高、服役状态难以准确辨识的问题,提出一种基于多传感器数据关联的综合传动装置服役状态辨识方法。通过时间窗均值关联网络,充分考虑关联传感器数据在各时间段的关联程度,可以有效表征复杂工况下传感器数据的关联关系。在时间窗关联度计算方法的基础上进一步构造了误差反向传播(Back Propagation,BP)数据映射模型,完成对关键传感器数据的映射。采用变分模态分解和样本熵(Variational Mode Decomposition-Sample Entropy,VMD-SE)方法对数据进行预处理;利用所提方法计算各传感器数据间的关联性,选取出相关性高的数据;将相关性高的数据输入构造出的BP数据映射模型进行映射。油压数据的案例验证结果表明,时间窗关联度计算方法能准确地衡量传感器数据间的关联性,BP数据映射模型输出的数据能够良好地表征关键传感器数据,二者结合能够有效提升服役状态判断的准确性。