基于完好性风险估计减少RAIM误警率方法

为了提供更精确的完好性服务,提出一种新型降低用户端自主完好性监测(receiver autonomous integrity monitoring,RAIM)误警率的方法。给出了定位误差与残差向量关系的新解释,基于最大定位误差完好性风险算法,提出了扩展正常检测区方法并进行故障检测,通过最大定位偏差保护限值提供故障检测的完好性保证,满足航段漏警率要求。最后,设计一种新的故障检测与故障识别准则,达到在不降低漏检率的条件下,减少误警率。算例表明该方法简单易行、有效。

基于定位误差估计减少RAIM误警的方法

在GPS接收机自主完好性监测(RAIM)中,卫星出现伪距偏差可能导致检测量超限而实际定位误差不超限的误警。我们提出一种减少误警的方法,该方法是在检测和识别故障后,估计定位误差并将其与误差告警限值比较。用一组实测GPS星历数据进行仿真试验,试验结果表明,这种方法减少误警的能力和伪距偏差有关。当伪距偏差较小时此方法的误警率小于传统RAIM算法,当伪距偏差较大时和传统RAIM算法的误警率相当。

基于免疫计算的IDS误警率问题研究

误警率较高是入侵检测系统(IDS)存在的一个主要问题,极大影响了检测结果的可信性。形式化分析了IDS可信问题与误报率的关系以及异常IDS误警率问题产生原因,借鉴生物免疫系统,提出了基于人工免疫思想,动态构建正常系统轮廓,抑制误警率的方法。给出了抗原、抗体的形式化描述及检测的具体过程,并进行了仿真和对比实验。理论分析和实验表明,该方法有效降低了IDS的误警率。

地铁中电气火灾监控系统的“误警”分析

为有效防止地铁车站发生电气火灾,目前国内很多城市的地铁项目都设置了电气火灾监控系统。然而在电气火灾监控系统安装调试阶段,均出现了大范围的电气火灾监控回路报警,属于非正常状况,被视为"误警"现象。为此,介绍了电气火灾监控系统的组成与工作原理,以某地铁车站的电气火灾监控系统为例,分析了产生"误警"的原由,并提出了减少"误警"现象的措施。

NIDS报警信息关联分析进展研究

入侵检测技术是当前网络安全领域的一个研究热点,报警关联分析是其中一个重要部分。通过报警信息的关联分析,可以显著地降低入侵检测系统的误警率,提高它的检测率和可用性,帮助网络管理员更好地掌握当前网络的安全状况。本文对当前国际上报警关联分析技术的研究现状进行了综合分析,并对现有方法进行了分类和比较。

一种启发式的入侵检测警报概念聚类算法

入侵检测系统是一种重要的网络安全防护措施,但是,IDS常常触发大量误警,使得网络安全员不堪重负。基于大量误警是重复发生并且频繁发生这一研究结果,文中运用面向属性归纳的概念聚类方法试图寻找导致IDS产生大量误警的本质原因,实现了一种启发式的入侵检测警报概念聚类算法。该算法能有效识别误警和防止过度概化,减轻网络安全分析员的负担。

量子遗传算法在网络误用检测中的应用

针对基于网络误用入侵检测模型的入侵特征库存在构建困难、自适应差的缺点,提出了一种基于量子遗传算法的入侵特征库优化算法。首先通过提取网络协议中容易被攻击和修改的特征值,经组合和编码后构成算法的初始种群。然后以检测率和误警率为评价指标设计适应度函数,利用量子旋转门更新染色体,随着算法的运行逐代优化种群。实验仿真结果表明:该算法在寻优能力与收敛速度上均优于对应的遗传算法;经该算法优化后的种群,检测能力强、自适应性好。

NIDS警报分析系统模型设计与分析

网络入侵检测系统(N IDS)是一种检测网络入侵行为的工具,但在实际应用中,警报量多、误警率高,已经严重制约了N IDS的发展。文章分析了其产生的原因,提出了一种基于异常检测技术的N IDS警报分析系统模型;重点讨论了数据挖掘技术在该模型中的应用。

入侵检测报警信息管理系统设计与实现

入侵检测系统的高误警率成为制约其发展的瓶颈之一。本文首先分析了目前入侵检测系统存在误警的原因,分析了进行报警信息管理的必要性,提出并设计了一个入侵检测系统报警信息管理的模型,最后对系统进行了实验验证,结果表明该系统能有效地减少报警数量。

基于概念聚类算法的入侵检测警报研究

入侵检测系统是一种重要的网络安全防护措施,但是该系统常常触发大量误警,使得网络安全员不堪重负.基于大量误警是重复发生的前提,本文采用概念聚类的方法推导过滤规则来减少误警,并提出三种改进方法,能有效消除过度概化.

基于ZigBee的高压环网柜电气接头温度预警系统设计

针对现有的高压环网柜电气接头温度预警系统所存在的问题,该文采用ZigBee技术设计了高压环网柜电气接头温度预警系统的网架结构、逻辑框架和系统数据流,实现系统的整体设计;通过对温度显示、温度报警和表格数据库的设计完成了系统软件功能;使用高性能的数字式温度传感器DS18B20缩短了系统采集温度信息过程的耗时,利用颜色模块提醒和声音报警提醒模式实现电温度预警。试验结果表明,该系统的温度预警过程的数据采集效率高,系统响应速度快,误警率低,能够有效实现对异常温度的预警。

基于移动节点的无线传感器网络覆盖优化

为了提高无线传感器网络监测区域的覆盖率,研究了节点随机部署的无线传感器网络的覆盖优化问题.在含有移动节点的混合无线传感器网络中,采用更符合实际情况的基于误警率的概率探测感知模型,以区域覆盖率评价覆盖效果.通过计算节点的联合探测概率寻找覆盖空洞,提出了基于最佳概率的移动节点优化策略.仿真结果表明:所提方法能够有效探测覆盖空洞,并利用移动节点对其进行修复;在移动节点数量有限的情况下,以较小的平均移动距离提高了网络覆盖率.

一种应用聚类技术检测网络入侵的新方法

基于聚类技术提出了一种能处理不带标识且含异常数据样本的训练集数据的网络入侵检测方法。对网络连接数据作归一化处理后 ,通过比较数据样本间距离与类宽度W的关系进行数据类质心的自动搜索 ,并通过计算样本数据与各类质心的最小距离来对各样本数据进行类划分 ,同时根据各类中的样本数据动态调整类质心 ,使之更好地反映原始数据分布。完成样本数据的类划分后 ,根据正常类比例N来确定异常数据类别并用于网络连接数据的实时检测。结果表明 ,该方法有效地以较低的系统误警率从网络连接数据中检测出新的入侵行为 ,更降低了对训练数据集的要求。

基于改进朴素贝叶斯算法的入侵检测系统

随着互联网连通性的不断增强以及网络流量的日益增大,最近频繁发生的入侵事件再度凸显了入侵检测系统的重要性。针对朴素贝叶斯算法的缺陷,提出了一种改进后的朴素贝叶斯算法。该算法在原有的朴素贝叶斯模型基础上巧妙地引入属性加值算法,通过对分类参数的调控来实现简化分类数据复杂度的作用,并以计算出的最佳参数值来优化分类精确度。最后结合实验结果证明,在入侵检测框架中引入改进算法能够大幅度地降低入侵检测系统的误警率,从而提高系统的检测效率,减少网络攻击所带来的经济损失。

粗糙目标光外差信号特性对探测阈值的影响

传统目标回波光外差探测使用高斯分布等简单模型来描述,这常常导致判决误差.笔者提出利用多项式对实际目标测量数据进行拟合,给出较准确的概率分布曲线.通过对某装甲车表面样块多组测量数据的统计分析显示,利用多项式拟合来确定判决阈值,比起用简单的高斯分布来确定阈值,可以获得更高的检测概率和更低的误警概率.研究表明,对实测中频信号的统计直方图进行多项式拟合,有利于精确设置探测阈值,可以使检测概率提高6.02%,误警概率降低7.7%.文中结果为粗糙面回波外差探测系统设计提供定量参考,也为探测系统性能评估仿真提供依据.

危险信号在实时网络安全风险评估中的应用

该文提出了一种基于危险信号的新型实时网络安全风险评估方法。抗原坏死和凋亡产生增益信号和抑制信号并作用于抗体进化过程,通过计算抗体浓度定量计算抗原危险信号,检测网络遭受的攻击,通过计算网络风险度进行风险评估。仿真实验表明该方法能定量描述网络面临的风险,比传统基于免疫计算的风险检测方法具有较好的实时性,误警率更低,是一种实时网络安全风险检测的有效解决方案。

K-中心点聚类算法优化模型的仿真研究

聚类分析是数据挖掘的一项关键技术,对于大数据集,确定聚类中心点集所需的计算时间相当的长,针对K-中心算法是一种经典的聚类算法,K-中心在处理小数据集聚类的的问题时,具有良好准确性和伸缩性。但由于K-中心初始中心点是随机选取,聚类过程缓慢,易陷入局部极值,聚类的准确性大大降低。为了提高聚类速度和准确性,提出一种改进的快速K-中心聚类算法。方法首先将训练数据集转换为标准的单位特征度量空间,然后将数据先粗划分为m组,再对m组的k个中心进行聚类找到最优聚类中心,找到聚类中心进行聚类并得到最终聚类结果。以网络入侵数据为例对算法进行了验证性分析,实验结果表明,相对于基本K-中心聚类算法,在保持相同聚类效果的情况下,快速K-中心聚类新算法能够加快聚类速度,节省约聚类时间。

故障诊断中确定门限值的一种新方法

在故障诊断中如何确定适当的门限值对诊断的准确性是至关重要的，本文从理论和实际应用出发推导出误警率、漏诊率和故障门限三者之间的一一对应关系，并导出了以最小错误为准则条件下故障门限最佳值的求法。