软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型

为解决SDN(software defined network,软件定义网络)架构下DDoS(distributed denial of service,分布式拒绝服务)攻击检测问题,提出基于贝叶斯ARTMAP的DDoS攻击检测模型.流量统计模块主要收集捕获到的流表信息,特征提取模块提取流表中的关键信息并获取关键特征,分类检测模块通过贝叶斯ARTMAP提取分类规则,并通过粒子群算法对参数进行优化,对新的数据集进行分类检测.仿真实验证明了模型所提取的5元特征的有效性,并且该模型与3种传统的DDoS攻击检测模型相比检测成功率提高了0.96%~3.71%,误警率降低了0.67%~2.92%.

基于混合fuzzy ARTMAP的智能诊断方法在油缸泄漏诊断中的应用

提出了1种混合的fuzzy ARTMAP(FAM)智能诊断方法,对泵车主油缸早期泄漏及异常泄漏进行了诊断分析。由于FAM性能受训练样本输入顺序及油缸泄漏故障样本少的影响,运用信号处理方法和改进的距离区分技术抽取了反映油缸泄漏状态的敏感特征参数,然后将不同排序的学习样本分别输入到多个FAM神经网络进行诊断分析,并结合贝叶斯置信法,获取最终的诊断结果。试验结果表明,该方法不仅能对油缸早期泄漏和异常泄漏故障进行有效诊断,诊断精度分别高于单个FAM及混合BP和RBF网络6%、38%和42%,而且具有较好的鲁棒性。

改进模糊ARTMAP方法在电力系统诊断中的应用

人工神经网络用于复杂过程中故障诊断和状态监测,具有良好的发展前景。由于模糊ARTFAM(FAM)神经网络分类性能受训练样本序影响,提出一种利用改善贝叶斯信念方法并基于模糊ARTMAP集成的模型(BBM),并描述其在电力发电系统中作为故障检测和诊断的智能学习适用性。围绕检测循环水系统冷凝器传热性能展开试验,判断该模型在故障预测检测和诊断任务中的有效性。试验结果证明,采用BBM模型具有智能故障检测和诊断工具的解释能力,并能监测和诊断发电系统故障的复杂过程。