基于蚁群优化算法和支持向量机相结合的医院网络非法入侵检测

在医院网络非法入侵检测中,支持向量机的检测泛化性能和参数设定存在较高关联性。为了提升医院网络非法入侵检测率,设计一种基于蚁群优化算法和支持向量机相结合的医院网络非法入侵检测模型,把支持向量机参数设成蚂蚁的方位向量,使用非静止随机提取方法判断目标个体指引蚁群实施全局检索,并在最佳蚂蚁邻域里实施小步长局部检索,获取支持向量机最佳参数,使用最佳参数实现医院网络非法入侵检测。实验结果表明,所设计模型对医院网络非法入侵的误检率最大值仅有1.55%,检测耗时低,且应用效果评价较高。

基于非法入侵检测的舰船网络安全预警系统

以保护舰船网络安全为目的,设计基于非法入侵检测的舰船网络安全预警系统。系统在数据层采用Netflow V5采集舰船网络数据流,然后通过无线移动网络将其运输至容器层,通过Io T网关接收端连接网络服务器,实现交互同时封装、发布数据至中间层,中间层预处理舰船网络数据流并桥接环境与舰船,通过接口与应用层交互,在应用层通过预警模块解析、转化采集的舰船网络数据流,结合深度神经-记忆网络训练数据获取适宜非法入侵特征参数获取预警结果,经决策模块控制舰船主机后将非法入侵检测结果呈现在可视化界面,最后通过用户层实现整体过程管控。实验结果表明:该系统可有效控制网络会话连接延迟时间、抑制非法入侵行为,有效提升对于不同类型非法入侵的防御能力并完成预警,自动热启动累计次数跟随连续运行时间的增加而缓慢增加、具有较高的可靠性。

开放实验室内部网络非法入侵准确检测仿真

为了确保开放实验室网络的安全运行,降低入侵风险检测误检率,提出一种开放实验室内部网络非法入侵检测方法。引入RBF神经网络构建开放实验室内部网络非法入侵检测模型,提取隐含层权值参数,对隐含层权值优化处理;采用自适应蛙跳算法对非法入侵检测模型求解,在经典蛙跳算法的基础上引入变异操作,并通过层次分析方法调整不同影响参数权重,避免陷入局部最优,实现入侵检测。仿真结果表明,所提方法可以有效提升网络非法入侵检测率,降低误检率,获取更加精准的检测结果。

智能仓储系统的设计与实现

随着物联网技术的快速发展,传统仓储由于效率和准确率低下等原因,已经无法跟上企业快速发展的步伐,在物资流动、保障生产等方面的弊端日益凸显,在很大程度上限制了企业的发展。智能仓储能有效解决传统仓储存在的问题,其不仅能实现密集存储,还可以大幅提高作业效率,加快物流运转,降低企业的用工成本。文中结合对企业公司仓储系统具体需求的分析,研究了智能仓储系统的总体架构设计以及具体的功能模块,同时新增了安防模块、划定了警戒区域,检测是否存在非法入侵行为,从而保障仓储系统的安全性。

可防御未知攻击的Linux／Apache软件

佳能系统解决方案推出面向Web服务器的IDPS(非法入侵检测及防御系统)软件“NGSecure Web for Linux”。该软件安装到Web服务器以后，可检测和防御基于HTrP和HTFPS通信对Web服务器的攻击。