一种改进Kohonen网络的DoS攻击检测算法

拒绝服务(Denial of Service,DoS)是企图使其预期用户的一台主机或其他网络资源不可用,如临时或无限期地中断或暂停连接到因特网主机的服务.为了有效地阻止DoS攻击,首先需要提高DoS攻击检测的准确性,提出一种基于改进Kohonen网络的DoS攻击检测算法.该方法通过对DoS攻击原始数据的预处理,为后续数据处理的方便和保证程序运行时加快收敛奠定必要的基础,采用检测结果的正确率作为该算法的评价指标,采用SOM学习算法是把高维空间的输入数据映射到低维神经网络上,并且保持原来的拓扑次序,然后建立S-Kohonen(Supervised-Kohonen)神经网络检测模型.实验结果表明,与传统的Kohonen方法相比,S-Kohonen网络具有更好的检测性能.

基于S_Kohonen网络的GIS局部放电类型识别

文中在气体绝缘组合电器(Gas Insulated Switchgear,GIS)实体模型中分别放置了针-板、悬浮金属颗粒和绝缘子表面固定金属颗粒缺陷模型,在相同的电压下用超声波传感器测得其放电波形。针对放电波形的特征,提取了7个特征参数,用7个特征参数组成的特征量作为S_Kohonen网络的输入,对放电类型进行识别,识别结果很好,说明S_Kohonen网络有一定的实用价值。

基于思维进化算法优化S-Kohonen神经网络的恶意域名检测模型

恶意域名作为目前互联网攻击的主要手段,给用户和企业带来巨大的网络使用的风险。为了更有效地抵御恶意域名的攻击,保障网络空间的安全性,文章提出了一种基于思维进化算法优化S-Kohonen神经网络的恶意域名检测模型。该模型利用Kohonen神经网络,在隐藏层后额外添加一个输出层,将其改进为有监督的神经网络S-Kohonen,使其更好地学习恶意域名的相关特征,再利用思维进化算法进行结合,优化神经网络的初始权值和阈值,最终得出的模型可以快速、准确地检测出恶意域名。通过模型的MATLAB实验仿真,以及和思维进化算法优化的BP神经网络的对比,从混淆矩阵、分类柱状图、ROC曲线和AUC值的方式具体分析两种模型的分类情况。结果表明该分类模型对恶意域名具有高准确率、快速识别的特点,可以应用于恶意域名的网络安全防护中,并且有较高的实用价值。

自组织人工神经网络用于金属间化合物三元填隙D88结构形成条件的判别

将Ｋｏｈｏｎｅｎ自组织人工神经网络应用于金属间化合物三元填隙Ｄ８８结构形成条件的判别上。对６５种化合物的研究结果表明，神经网络方法性能好，可望成为化合物结构分析的有效辅助手段。

基于粗集理论和证据理论的多源信息融合方法

本文针对多源信息融合问题 ,首先利用基于Kohonen网络的离散化算法和粗集理论对样本信息进行离散化和约简 ,形成了待决策问题的经验决策表 .在此基础上 ,利用经验决策表以及粗集理论和证据理论的关系 ,计算了待决策信息的有关证据的基本概率指派和条件概率指派 .最后 ,按照合成规则对上述条件概率指派进行了合成 ,并根据决策规则进行决策 .实例研究表明 ,该方法实验结果令人满意 .