分布式端口扫描检测系统的设计与实现

本文提出了一种基于MPI分布式的分析主机应答包而进行端口扫描检测的方法。扫描者在扫描网络时需要得到目标的应答 根据应答的情况才能对目标的端口开放情况等进行分祈。这种方法不分析进入网络中数据包 减轻了数据分析强度 巧妙地解决了一些对扫描探测包进行检测时难以解决的问题(如对分片扫描包检测)。检测规则使用了基于时间窗、端口策略等方法 较好地解决了对分布式扫描、慢速扫描检测的难题。

分布式端口扫描检测系统的设计与实现

该文设计了分布式端口扫描检测系统。它利用分布检测、集中处理的思想,把各个检测代理的报警信息汇总到中央控制器。利用数据挖掘技术提取关键信息,判断是否存在分布式扫描、慢速扫描等行为,并及时报警。

数字化室内分布式系统检测技术研究

研究数字化室内分布式系统的检测技术,以提升系统性能、优化用户体验。采用了多种方法,包括系统性能评估与优化、信号传播与覆盖分析、干扰管理与抑制技术等。通过对这些方法的综合应用,取得了显著的研究成果:建立了全面的系统性能评估指标体系,优化了信号覆盖和干扰管理策略,实现了检测过程的自动化和智能化,提出了统一的标准和协议。研究表明,数字化室内分布式系统检测技术的应用可显著提升系统性能和用户体验,为智慧建筑和智慧城市的发展奠定了坚实基础。

分布式电力交易系统安全威胁与检测

随着电力系统网络化改革的逐步深入,融合“互联网+用户深度参与”的电力市场交易多元化新模式受到广泛关注。作为典型的应用案例,基于区块链的分布式电力交易系统由于可为多方电力交易参与方提供可靠的电力消纳能力,显示出巨大的应用潜力。然而,当前对分布式电力交易系统自身的安全性讨论较少,导致节点间可能存在的恶意行为及其安全威胁难以被清晰地描述,相关安全检测方案难以实施,从而为系统运行的稳定性遗留了安全隐患。为此,分析分布式电力交易系统面临的安全威胁,并在此基础上设计了基于深度学习的安全威胁检测方案。首先,设计面向区块链节点的全量流量数据采汇方法,并清洗冗余数据;其次,设计了基于长短期记忆网络和自动编码器技术融合的特征数据训练方案,以实现对特征化节点安全状态数据的高效学习和异常检测。在国家电网示范性区块链平台上展开实验评估,实验结果表明,所提方案具备良好的检测能力和较低的性能开销,适用于提升分布式电力交易系统的安全性。

动平台分布式雷达系统动目标低比特数据检测算法

动平台分布式雷达系统可有效提升系统的生存能力和探测性能,但运动平台之间通常采用无线传输方式,难以配备大通信带宽以传输完整的信号数据,给雷达系统的高性能检测带来极大挑战。由于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗,该文针对低信噪比弱信号环境下提出了动平台分布式雷达系统的低比特量化运动目标检测算法。首先,根据系统资源将各节点的多脉冲观测数据选择对应位数的低比特量化器进行量化,推导了关于量化器和多个目标状态的似然函数。其次,证明了低比特量化数据对应似然函数关于未知目标反射系数的凸性,并基于该特性设计了多普勒频移和反射系数的联合估计器。然后,针对探测区域中存在的多个状态未知目标设计了多目标检测器,推导了其恒虚警率门限。最后,通过推导系统的渐近性能设计了最优低比特量化器,在保证系统鲁棒性的同时有效提升了系统的检测性能。仿真实验分析了所提算法的检测与估计性能,结果证明了所提算法在低信噪比弱信号环境下的有效性,同时表明低比特量化数据可在仅占用低于20%通信带宽的基础上实现接近高精度(16比特量化)数据对应的检测和估计性能,且2比特量化策略可作为检测性能和雷达系统资源消耗的折中选择。

基于人工智能技术的分布式入侵检测系统设计

针对传统集中式入侵检测系统存在的检测精度低,误报率高等问题,本研究提出了一种基于人工智能技术的分布式入侵检测系统设计方案。该系统采用分布式架构,结合深度学习、机器学习等人工智能技术,可实现对网络流量的高效、准确检测。通过详细的系统架构设计和数据处理流程描述,本文展示了系统的实现细节。经测试证明,本系统的设计不仅能够自适应地学习和识别网络中的异常行为,提高检测效率,还具有更高的检测精度和更强的鲁棒性,实现了对大规模网络的实时监控和快速响应。同时,通过协同工作和信息共享,分布式入侵检测系统能够更全面地检测网络中的潜在威胁,提高整个网络的安全防护能力。

基于分布式计算的轨道车辆制动系统异常检测

轨道车辆制动输出数据量较大,难以实现统一分析与计算,导致制动系统异常检测的检出率降低,误报率升高。为了解决该问题,提出基于分布式计算的轨道车辆制动系统异常检测方法。通过数据采集系统、处理中心系统搭建轨道车辆制动系统异常检测架构。将数据采集器布置在指令通信器和动力制动器中,采集对应的车辆制动输出数据,处理中心系统对采集到的数据进行初步处理,通过数据预处理、数据聚类、基于分布式计算的异常检测完成轨道车辆制动系统异常检测。实验结果表明,基于分布式计算的轨道车辆制动系统异常检测方法的检出率达到99%,误报率低于0.56%,实际应用效果好。

基于HDFS分布式云存储系统的重复数据检测与删除研究

传统最远点采样(FPS)算法、数据类型分析(WFC)算法的去重冗余度高,在同一数据集分块、去重检测中的数据重复率达到70~90%。基于这一实际情况,提出基于Hadoop分布式软件框架、分布式文件系统(HDFS)等云服务技术,建构用于复杂数据结构分析、数据分块去重的HDFS-SDBS云存储管理系统,使用基于文件相似度的抽样删除索引(SDBS)算法进行文件数据分块、哈希值(Hash)计算、随机抽样的相似度判定,利用元数据索引查重方式完成输入文件数据、内存数据的比对,删除相似度过高的重复数据,以提升云环境下的数据存储效率与准确率。

分布式光伏发电系统的孤岛检测方法研究

分布式光伏发电系统在提供清洁可再生能源的同时,其孤岛现象给电网安全带来挑战。针对分布式光伏发电系统的孤岛检测问题,提出了一种基于电压谐波变化的电压谐波法。通过对光伏发电系统的电压数据进行实时采集,运用快速傅里叶变换(fast fourier transform,FFT)进行电压谐波分析,提取谐波特征,设置合适的谐波阈值,实现对孤岛现象的有效检测。仿真结果表明,该方法具有较高的检测准确性和实时性,为分布式光伏发电系统的安全稳定运行提供了技术支持。

基于SVM算法的分布式系统故障检测方法

随着分布式系统的广泛应用,其稳定性和可靠性变得至关重要。作为保障分布式系统正常运行的关键环节,故障检测面临数据量大、检测速度与误报率要求高等挑战。针对分布式系统中的故障检测问题,文章提出了一种基于支持向量机(SVM)算法的故障检测方法,该方法通过引入特征选择和核函数优化提高了故障检测的准确性与效率。

一种新的分布式端口扫描检测方法

文章介绍了各种扫描技术,总结了已有的检测方法。在此基础上,文章提出了一种新的分布式的端口扫描检测方法。检测的传感器部分实现对异常包的检测,分析器部分通过将异常包分成不同的类,计算一个类的异常值的总和,然后判断出扫描。这种方法不仅可以检测出现有的各种扫描工具能够检测出的扫描,也能检测出它们不能检测出的扫描,例如分布式扫描,慢速扫描等等。

自适应分布式端口扫描检测方法

简要介绍了端口扫描技术及其检测技术,设计并实现了一种自适应的分布式端口扫描检测方法。该方法通过对异常包的检测及分类计算异常值的总和,并结合网络流量,设定动态阈值,然后判断出扫描。这种方法能有效地检测到慢速扫描、随机化扫描和分布式扫描,并能检测出分布式拒绝服务(DDoS)攻击。

分布式光纤声学检测技术在煤矿带式输送机监测中的应用

带式输送机是现代化的输送设备,具有高效、节能、环保的特性。利用光纤声学检测技术,研究了基于分布式光纤声波检测技术的带式输送机健康监测原理、系统架构、托辊定位、光纤部署方式、轴承中滚珠开裂的监测等技术,将高速行进的输送带和托辊摩擦碰撞的声音作为声发射源,使用基于机器学习的声纹识别技术,实时地、全天候地监测带式输送机并提供健康监测的预警服务。研究引入光纤声学检测,来实现带式输送机的健康监测应用,具有非常重要的战略意义。

分布式光伏发电系统的状态监测及故障诊断分析

阐述分布式光伏发电系统的特点,分布式光伏发电系统的状态监测方法,探讨故障诊断方法,包括数据监测与分析、遥测监控系统、红外热成像、电气系统检查、故障模式与故障树分析。

分布式光伏孤岛检测研究

本研究提出一种优化的主动频率偏移法。该方法不仅能较快检测出孤岛,还能将系统逆变电流总谐波畸变率降到最低,最后在仿真平台上得到验证。

基于LSTM算法的分布式发电并网系统谐波检测

针对当前方法检测到的分布式发电并网系统谐波幅值结果不准确的问题,提出了基于LSTM算法的分布式发电并网系统谐波检测方法。建立分布式发电并网系统通用模型,根据分布式发电并网输出特性,求得系统中各参数和数学模型;利用小波变换方法,分解并重构谐波信号,剔除谐波中的干扰因素;采用LSTM算法的记忆神经单元,替代RNN中的部分神经元,评估检测仿真数据的MAP值和RMSE值,实现分布式发电并网系统谐波检测。实验结果表明,该方法谐波幅值与实际值最接近,能够有效提高检测结果的准确性。

一种分布式的跨站脚本漏洞检测方法

针对现有的跨站脚本检测技术尚未对漏洞注入点进行充分研究,且漏洞检测率相对较低的问题,为了提升检测效果,提出一种基于分布式系统的跨站脚本动态检测方法。通过综合考虑字符串长度、字符类型等因素对攻击向量进行了分类与变形,根据输入点、输出点类型自动生成攻击向量与合法向量。采用基于PhantomJS的网络爬虫对网站进行更为全面的漏洞注入点分析,并使用Gearman来实现分布式任务调度,提高检测效率。采用PHP语言设计并实现了分布式自动化跨站脚本检测系统,进一步通过实验和其他相关工具对比分析,表明所提方法能够有效挖掘出Web应用中的跨站脚本漏洞。

面向雾计算的个性化轻量级分布式网络入侵检测系统

随着物联网技术不断发展,低时延高动态大带宽的新型物联网应用不断出现。这些需求导致海量设备和信息广泛聚集在网络边缘,因而推动了雾计算架构的出现和深入发展。而随着雾计算架构的广泛深入应用,为了保障其安全所部署的分布式网络安全架构也面临着雾计算本身所带来的挑战,如雾计算节点计算和网络通信资源的局限性以及雾计算应用的高动态性限制了复杂网络入侵检测算法的边缘化部署。为了有效解决上述问题,提出了一个面向雾计算架构的个性化轻量级分布式网络入侵检测系统(PLD-NIDS)。该系统基于卷积神经网络架构训练大规模复杂网络流入侵检测模型,同时进一步采集各雾计算节点的网络流量类型分布情况,提出个性化模型蒸馏算法和基于加权一阶泰勒近似剪枝算法对复杂模型进行快速个性化压缩,突破了传统模型压缩算法在面对大量个性化节点时由于压缩计算开销过大而只能提供单一压缩模型用于边缘节点部署的局限性。根据实验结果,所提的PLD-NIDS架构能够实现边缘入侵检测模型的快速个性化压缩。与传统模型剪枝算法相比,所提出的架构在计算损耗和模型精度上取得了较好平衡。在模型精度上,所提的加权一阶泰勒近似剪枝算法与传统一阶泰勒近似剪枝算法相比,在同样的0.2%模型精度损失条件下能够提升约4%的模型压缩比。

共用数据导向的分布式系统失效恢复缺陷检测

分布式系统的可靠性和可用性至关重要.然而,不正确的失效恢复机制及其实现会引发失效恢复缺陷,威胁分布式系统的可靠性和可用性.只有发生在特定时机的节点失效才会触发失效恢复缺陷,因此,检测分布式系统中的失效恢复缺陷具有挑战性.提出了一种新方法Deminer来自动检测分布式系统中的失效恢复缺陷.在大规模分布式系统中观察到,同一份数据(即共用数据)可能被一组I/O写操作存储到不同位置(如不同的存储路径或节点).而打断这样一组共用数据写操作执行的节点失效更容易触发失效恢复缺陷.因此,Deminer以共用数据的使用为指导,通过自动识别和注入这类容易引发故障的节点失效来检测失效恢复缺陷.首先,Deminer追踪目标系统的一次正确执行中关键数据的使用.然后,Deminer基于执行轨迹识别使用共用数据的I/O写操作对,并预测容易引发错误的节点失效注入点.最后,Deminer通过测试预测的节点失效注入点以及检查故障征兆来暴露和确认失效恢复缺陷.实现了Deminer原型工具,并在4个流行的开源分布式系统ZooKeeper、HBase、YARN和HDFS的最新版本上进行了验证.实验结果表明Deminer方法能够有效检测分布式系统中的失效恢复缺陷.Deminer已经检测到6个失效恢复缺陷.

分布式光伏发电系统的孤岛检测方法研究

分布式光伏发电系统孤岛运行可能会伤害人员并损坏电网负载,因此应对其加以有效检测,并使处于孤岛状态的分布式光伏发电系统与电网隔离。为此提出了一种基于电压指数检测的分布式光伏发电系统的孤岛运行检测方法。所采用的电压指数与系统频率和系统电压的变化值相关,能够显示孤岛运行后的系统频率的变化。仿真结果表明,所提方法在孤岛运行检测中是有效的。