基于直方图聚类的网络流量异常检测技术研究

基于流量特征的异常检测技术主要是通过网络流量特征属性分布规律映射网络异常行为。为提高检测准确率,降低误报率,文章提出了基于流量特征直方图聚类的异常检测和分类的技术。通过直方图的方法详细描述网段流量特征的时空信息,然后聚类分析各种属性特征的正常模型,最后根据待测流量特征属性与正常模型之间的距离所组成的向量来衡量异常。基于DARPA99数据集的实验表明,该算法具有较高的异常检测和分类准确性。

提水工程泵站水泵的合理选择研究

针对目前国内泵站水泵选型设计中的不合理问题，提出了泵站提水流量分布特征值的新概念、使水泵单机流量、台数及备用容量的确定建立在对泵站提水流量分布分析计算的基础上。

考虑树状次生裂缝的页岩气藏试井分析模型及其应用

如何在试井分析模型中考虑体积压裂次生裂缝的分布特征,成为了制约其解释精度的重要技术难题。现有常规渗流理论一般不考虑页岩气藏的多重运移机制及次生裂缝的形态特征,为了有效诊断次生裂缝的复杂程度,文章考虑裂缝具有树状分支特征,耦合吸附、扩散等多重运移机制,建立了页岩气藏压裂水平井流动数学模型。通过点源函数、局部坐标变换、Laplace变换、Duhamel原理和Stehfest数值反演等方法对模型进行半解析求解并进行典型试井曲线绘制和流动阶段划分。提出利用拟压力导数的斜率曲线对次生裂缝发育情况进行诊断的方法,并分析了树状分支裂缝的流量分布特征,最后对一口实际页岩气井进行了解释分析应用。结果表明:通过裂缝干扰段的斜率特征能有效诊断次生裂缝的发育程度,其斜率值在裂缝干扰流动段的值越大、曲线上翘越高则次生裂缝越发育。该研究对于指导页岩气藏压力动态特征分析具有重要意义。

基于智能蜂群算法的DDoS攻击检测系统

随着大数据应用的普及,DDoS攻击日益严重并已成为主要的网络安全问题。针对大数据环境下的DDoS攻击检测问题,设计了一种融合聚类和智能蜂群算法(DFSABC_elite)的DDoS攻击检测系统。该系统将聚类算法与智能蜂群算法相结合来进行数据流分类,用流量特征分布熵与广义似然比较判别因子来检测DDoS攻击数据流的特征,从而实现了DDoS攻击数据流的高效检测。实验结果显示,该系统在类内紧密度、类间分离度、聚类准确率、算法耗时和DDoS检测准确率方面明显优于基于并行化K-means的普通蜂群算法和基于并行化K-means算法的DDoS检测方法。