基于人工神经网络的通信网络异常流量攻击识别方法

由于现行方法在通信网络异常流量攻击识别中应用效果不理想,文中提出了一种基于人工神经网络的通信网络异常流量攻击识别方法。利用采集器从通信网络日志中提取网络流量特征,对网络特征数据进行补偿并过滤重复数据,通过对特征数据的二值化处理,将数据值统一映射到数据区间[0,1],利用滑动窗口函数将特征数据切片处理为多模态数据,并通过人工神经网络对网络异常流量进行分类,以识别网络异常流量攻击,实现基于人工神经网络的通信网络异常流量攻击识别。实验证明,文中提出的方法识别率在95%以上,漏识率在1%以内,能实现对通信网络异常流量攻击的精准识别。

基于PN序列的符号同步算法研究

针对TDS-OFDM系统的工作特点,为了降低频偏估计的误差,采用PN序列作为训练序列来进行信道估计,并提出了双滑动窗口函数进行符号同步。应用MATLAB进行仿真实验,仿真结果证实了提出的方法能较好地提高频偏估计的精度,当采用OFDM符号前后两个前缀序列来进行频偏估计时,可以将频偏的估计精度控制在10-3以下。