CAQN网络检测系统的应用

介绍了CAQN网络检测系统的应用和特点，解决了人工测量产品不精确的现状。对产品质量实施有效控制，通过数据自动采集、计算，来实现实时监控、数据查询、质量分析等功能。

基于Agent人工智能的异构网络多重覆盖节点入侵检测系统设计

异构网络具有结构复杂、多重覆盖面积大等特征,使得网络入侵检测较为隐蔽,威胁网络运行的安全性;为此,对基于Agent人工智能的异构网络多重覆盖节点入侵检测系统进行了研究;通过检测Agent和通信Agent装设主机Agent,以Cisco Stealthwatch流量传感器作为异构网络传感器检测攻击行为,采用STM32L151RDT664位微控制器传输批量数据,由MAX3232芯片实现系统电平转化,实现硬件系统设计;软件部分设计入侵检测标准,采用传感器设备捕获网络实时数据,通过Agent技术解析异构网络协议并提取数据运行特征,综合考虑协议解析结果及与检测标准匹配度,实现异构网络多重覆盖节点入侵检测;经实验测试表明,基于Agent人工智能的异构网络多重覆盖节点入侵检测系统入侵行为的漏检率和入侵类型误检率的平均值仅为6%和5%,能够有效提高检测精度,减小检测误差。

结合图卷积神经网络和集成方法的推荐系统恶意攻击检测

推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐结果,严重危害推荐服务的安全性。现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检测,难以适应更复杂的共同访问注入攻击,并且人工构建特征费时且区分能力不足,同时攻击行为规模远远小于正常行为,给传统检测方法带来了不平衡数据问题。因此,文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信息得到用户嵌入和项目嵌入,将其作为攻击检测特征,以卷积神经网络作为基分类器实现深度行为特征提取,结合集成方法检测攻击。在真实数据集上的实验结果表明,与流行的推荐系统恶意攻击检测方法相比,所提方法对共同访问注入攻击行为有较好的检测效果并在一定程度上克服了不平衡数据的难题。

基于云计算的网络入侵检测系统设计与实现

研究介绍了基于云计算的网络入侵检测系统(IDS)设计与实现。通过选择AWS云平台,配置传感器节点和搭建云环境,实现了数据的安全传输和存储。使用支持向量机算法开发了分析引擎,实现了实时入侵行为识别。

基于人工智能技术的轻量级网络入侵检测系统设计

以提升网络入侵检测技术水平为目的,设计基于人工智能技术的轻量级网络入侵检测系统。该系统数据采集层利用若干个用户探针连接IDS检测服务器后,使用网络数据包捕获模块捕获用户网络运行数据,再通过传输层内防火墙、核心交换机和MQTT/CoAP通信协议将用户网络运行数据发送到逻辑运算层内,该层利用数据预处理模块对用户网络运行数据进行去噪预处理后,将其输入到基于人工智能的网络入侵检测模块内,通过该模块输出轻量级网络入侵检测结果,然后将检测结果发送到展示层,通过入侵告警信息、数据可视化展示等模块实现人机交互。实验表明:该系统运行较为稳定,可有效检测不同类型网络入侵的同时,其检测及时性和入侵告警能力较好,应用效果良好。

物联网场景下基于蜜场的分布式网络入侵检测系统研究

为了解决物联网网络入侵检测系统无法识别新型攻击、灵活性有限等问题,基于蜜场提出了一种能有效识别异常流量和具备持续学习能力的网络入侵检测系统。首先,结合卷积块注意力模块的特点,构建专注于通道和空间双维度的异常流量检测模型,从而提高模型的识别能力。其次,利用联邦学习下的模型训练方案,提高模型的泛化能力。最后,基于蜜场对边缘节点的异常流量检测模型进行更新迭代,从而提高系统对新型攻击流量的识别准确度。实验结果表明,所提系统不仅能有效检测出网络流量中的异常行为,还可以持续提高对异常流量的检测性能。

基于CNN-LSTM-Attention的工业控制系统网络入侵检测方法研究

随着各类网络攻击事件的增加,能源电力基础设施中工业控制系统安全问题也逐渐成为人们关注的焦点。结合电力系统的特点,提出一种融合卷积神经网络(convolutional neural network,CNN)、长短时记忆(long short-term memory,LSTM)神经网络和注意力(Attention)机制的CNN-LSTM-Attention网络入侵检测算法模型,通过在实验室仿真环境中构造和采集600 MW燃煤机组制粉系统在3种典型工况下受到网络攻击的运行状态数据集,对所提出的检测算法模型进行训练和评估。结果表明:相较于CNN、LSTM模型,所提出的入侵检测算法模型性能最优;模型准确率、精确率、召回率等评级指标均为最好,综合评价优于其他的入侵检测方法。该入侵检测算法模型具有较强的创新性和实用性。

网络控制系统中利用主动丢包的重放攻击检测方法

为实现网络控制系统(Networked Control Systems,NCS)中重放攻击的检测,在现有研究利用物理水印检测重放攻击的启发下,设计了利用主动丢包对重放攻击进行实时检测的方法 .首先,在理论层面上,利用系统输出的残差构建检测函数,并通过受攻击前后检测函数的变化,证明该检测方法的有效性.然后,以一辆四轮汽车为被控对象,比较车辆受攻击前后速度与检测函数的变化.最后,综合考虑车辆对重放攻击的检测结果与速度跟踪结果,确定车辆的最优主动丢包率的范围区间.结果表明:加入主动丢包前,车辆受到重放攻击时,速度会发生剧烈变化而检测函数几乎没有变化;加入主动丢包后,车辆受到重放攻击时,速度剧烈变化的同时检测函数也产生了剧烈的变化;主动丢包率为12%~16%时,系统既能够准确地检测出重放攻击,又能够保证车辆平稳行驶,为后续的重放攻击检测研究提供了参考.

基于生成对抗网络的系统调用主机入侵检测技术

程序的系统调用信息是检测主机异常的重要数据,然而异常发生的次数相对较少,这使得收集到的系统调用数据往往存在数据不均衡的问题。较少的异常系统调用数据使得检测模型无法充分理解程序的异常行为模式,导致入侵检测的准确率较低、误报率较高。针对以上问题,提出了一种基于生成对抗网络的系统调用主机入侵检测方法,通过对异常系统调用数据的增强,缓解数据不平衡的问题。首先将程序的系统调用轨迹划分成固定长度的N-Gram序列,其次使用SeqGAN从异常数据的N-Gram序列中生成合成的N-Gram序列,生成的异常数据与原始数据集相结合,用于训练入侵检测模型。在一个主机系统调用数据集ADFA-LD及一个安卓系统调用数据集Drebin上进行了实验,所提方法的检测准确率分别为0.986和0.989,误报率分别为0.011和0,检测效果优于现有的基于混合神经网络的模型、WaveNet、Relaxed-SVM及RNN-VED的入侵检测研究方法。

基于事件触发的Delta算子网络控制系统故障检测

针对网络控制系统在高速采样情况下,网络中由于通信网络带宽受限发生时延和丢包所引起的故障问题,文中采用了基于事件触发机制和Delta算子相结合的故障检测方法。在对故障检测滤波器和控制器进行协同设计的同时,在Delta算子滤波器模型中加入构造向量,避免了参数设计时双线性项的产生。构造δ域的Lyapunov-Krasovskii泛函,对残差系统的稳定性和H∞性能进行分析。数值仿真实例验证了文中所提事件触发机制的有效性,并通过残差评价函数证明了其对故障的灵敏度较高。

基于决策树分类算法的计算机网络入侵检测系统设计与实现

本文利用决策树分类算法,设计了一款新型计算机网络入侵检测系统,分别对系统结构、模块功能进行了设计,并从数据获取、数据预处理两个方面给出了此种入侵检测系统的实现方法。通过实验测试了此系统的检测效率及准确率,验证结果表明,利用决策树分类算法构建的计算机网络入侵检测系统可以准确、高效检测出各种类型的入侵行为。

基于优化径向基网络模型的气动控制系统故障检测

随着科技的不断发展,气动控制系统成为组成工业自动化系统的重要环节,加强气动控制系统的预防管理得到自动化控制技术人员的高度重视。对径向基网络模型进行分析,引用改进粒子群的优化算法,创新性地设计相关的网络结构,并将其应用至气动控制系统的故障检测中。对某气动控制系统的故障数据进行分析,结果表明,采用改进粒子群算法的关键方法,经实验分析气动控制系统高准确率的故障检测情况,具体表现为准确率0.92,故障诊断率为0.90,并且经实际应用满足了机械工程上的应用。

欺骗性攻击下基于动态事件触发的网络控制系统的混合H∞和无源故障检测

本文基于动态事件触发研究了受欺骗性攻击的非线性网络控制系统的故障检测问题。利用一个服从伯努利分布的随机变量来描述欺骗性攻击,设计了动态事件触发机制以节省网络资源,构造了相应的Lyapunov函数,得到了滤波误差系统均方渐近稳定且满足混合H∞和无源性能的充分条件。故障检测滤波器参数的设计以线性矩阵不等式的形式给出。最后通过一个数值算例,比较了动态事件触发方案与静态事件触发方案,说明了所提方法的有效性。

基于改进GA-Bayes模型的办公系统网络安全检测

为保证办公系统网络安全,避免重要资料被窃取或篡改,设计了一种基于改进GA-Bayes网络安全检测模型.先借助DEMATEL法选取办公系统网络指标体系,再利用遗传算法取代传统禁忌搜索方法,同步融合贝叶斯网络结构的学习功能.以评估指标为基础,通过GA-Bayes改进模型推理得出每一个网络安全等级类别对应的后验概率,选取后验概率最大值对应的等级作为最终的检测结果.结果表明:时间段1网络安全等级高,时间段2与时间段1相同,时间段3网络安全等级低,时间段4网络安全等级一般,时间段5网络安全等级高,证明提出模型的杰卡德系数应用效果和检测准确性要优于传统方法.

基于IGA-BP神经网络的智能电能计量设备状态自动检测系统

针对不断扩大的电网规模和愈加复杂的外部环境对智能电能计量设备安全稳定运行带来的挑战,研究了基于IGA-BP神经网络的智能电能计量设备状态自动检测系统的设计;系统硬件包括数据采集模块、信号处理模块、数据传输模块和数据分析模块;在软件方面,系统采集智能电能计量设备的检测数据,选取基础电能计量误差、电压波动幅度、电流波动幅度、功率因数作为智能电能计量设备状态量;引入IGA-BP神经网络对状态量进行迭代运算,实现了智能电能计量设备状态的自动检测;实验结果表明,该系统对智能电能计量设备状态检测的最短时间为2 s,检测结果与实际结果一致,验证了系统具有较高的设备状态检测效率和精度。

基于改进Retinex-Net的电力系统网络入侵检测方法研究

由分解网络、增强网络和图像重建构建而成的改进Retinex-Net神经网络模型,在电力系统网络入侵检测过程中,将图片从RGB空间域中转换至HSV空间域,利用V分量对其进行处理,之后在分解、强化、降噪的操作下,从RGB中输出增强后的图片,将其作为实现电力设备状态感知的重要条件,为后续的电力系统网络入侵检测奠定坚实的基础。以改进Retinex-Net为基础进行电力系统网络入侵检测方法研究,旨在通过利用Retinex-Net端到端的可训练低亮度图像,达到增强网络的目的,提高电力系统网络的故障检测能力,从而形成高效的电力系统网络入侵检测方法。

一种基于半监督学习算法的网络攻击检测系统

为应对网络攻击事件日益高发等难题,以自适应增强算法为基础,采用自我训练方式设计一种基于半监督学习的网络攻击检测算法。基于所提算法设计网络攻击检测系统,该设计系统主要包含数据采集、处理及检测单元。实验结果表明,在KDDTest数据集上,所提算法的准确率、精确率及召回率3项指标均高于半监督STBooost算法。在系统检测性能测试中,攻击流量的检测准确率均高于94.0%,满足网络攻击检测系统对设计准确率的要求。

基于双向AC算法的列车通信网络异常入侵检测系统设计

列车通信网络异常流量的类型和形式多样化,特征提取难度较大,异常入侵检测效果较差,为此,设计基于双向AC算法的列车通信网络异常入侵检测系统;采集层利用网络数据采集器,在列车通信网络内,采集列车通信网络信息;存储层以分布式存储、列式存储与结构化存储方式,存储采集的信息;分析层利用协议解析模块,解析信息,得到符合规范的信息;其中,深度包过滤模块利用白名单技术深度包过滤符合规范的信息,提取关键信息;入侵特征模式提取模块能够在关键信息内提取异常入侵特征模式;特征模式匹配模块利用双向AC算法,自动匹配提取的特征模式与入侵特征模式库内的特征模式;入侵响应模块通过分析自动匹配结果,完成列车通信网络异常入侵检测;可视化层以可视化的报表形式,呈现异常入侵检测结果;实验结果表明,该系统可有效采集列车通信网络信息,完成异常入侵特征模式提取,该系统可快速自动匹配异常入侵特征模式,异常入侵检测精度较高。

基于入侵检测技术的校园网络安全系统设计

为增强校园网络的安全性和抵御网络攻击的防御力,本研究通过集成异常检测技术、签名检测技术、机器学习算法等设计了校园网络安全系统,系统采用浏览器/服务器(browser/server, B/S)架构设计,通过数据采集与预处理模块、异常行为检测模块、签名检测模块、响应与报警模块等功能模块的作用,使校园网络安全系统不仅能检测各种网络威胁,还能提高整体的网络安全防护能力。试验结果表明:本研究所设计的校园网络安全系统在效率、准确性、资源管理方面具有明显优势,能提高校园网络监控与响应能力,降低安全事件的发生率,具有较强的实用价值与推广潜力。研究成果可为校园网络安全管理提供一种科学且有效的策略框架。

基于AI的网络流量监控与异常检测系统研究

在网络信息技术迅速发展的背景下,传统的网络监控方法面临诸多挑战,而人工智能(artificial intelligence,AI)技术的引入为此提供了新的解决方案。首先,介绍了一套高效、准确的网络流量监控与异常检测系统,提高对网络安全威胁的响应能力。其次,着重分析了系统的架构设计,包括数据采集、处理、AI分析和决策反馈各层的作用和优化策略。最后,特别强调了AI模型的选择、训练和优化过程,以及数据处理机制的重要性。本研究对于理解和解决网络安全中的实际问题具有重要意义,为未来在网络安全领域的AI应用提供了参考。