基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法

恶意代码的快速发展严重影响到网络信息安全,传统恶意代码检测方法对网络行为特征划分不明确,导致恶意攻击代码的识别率低、误报率高,研究基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法;分析通信网络中恶意攻击代码的具体内容,从网络层流动轨迹入手提取网络行为,在MFAB-NB框架内确定行为特征;通过归一化算法选择初始处理中心,将分类的通信网络行为特征进行归一化处理,判断攻击速度和位置;实时跟进通信网络数据传输全过程,应用适应度函数寻求恶意代码更新最优解;基于PSO-KM聚类分析技术构建恶意代码数据特征集合,利用小批量计算方式分配特征聚类权重,以加权平均值作为分配依据检测恶意攻击代码,实现检测方法设计;实验结果表明:在文章方法应用下对恶意攻击代码检测的识别率达到95.0%以上,最高值接近99.7%,误报率可以控制在0.4%之内,具有应用价值。

论大学生网络不良行为及其对策

随着互联网的迅猛发展和广泛应用,网络对大学生的行为模式产生了深刻的影响,大学生网上不文明行为、不健康行为、不道德行为、违法犯罪行为日渐增多,给学生、学校和社会构成了现实的危害。要有效加强对大学生网络不良行为的教育和管理,必须采取加强网络法律教育、网络道德教育、思想政治教育和完善学校管理等多项措施,整体部署,因势利导,帮助大学生形成良好的网上行为习惯,杜绝网络不良行为的发生。

基于模糊神经网络的车辆行驶姿态判别方法

为对公交车辆驾驶人员的不良驾驶行为实施主动安全管理,基于车辆行驶姿态数据与车辆姿态判别标准,提出了车辆运行姿态与驾驶人员的不良驾驶行为的模糊神经网络关联性分析与判别方法.在该方法的模型参数标定与验证过程中,采用车载单台加速度计MPU6500实时采集车辆三轴加速度作为车辆行驶姿态数据,参照最新的ISO2631-1-1997/AMD.1-2010标准建立了人体主观感觉与车辆姿态的关联指标和Takagi-Sugeno模糊神经网络判别模型.研究结果表明:用该判别方法可以实现车辆运动状态下驾驶员不良驾驶行为的自动判别,判别结果与乘客的主观感受一致.

网络不良行为对思政教育的启示分析

随着网络的普及,网络已经成为人们生活不可分割的一部分,但是由于当前网络监管存在着一定的缺失,这导致那些思维相对活跃的青年学生很容易受到网络不良行为的影响,导致思想道德滑坡,进而让学生养成一些不良嗜好。

高职院校大学生网络偏差行为的心理危机预防机制研究

现如今,社会大众的生活被各种网络信息所包围,不仅影响了人们的思想,也干扰了人们的行为,这种效应在高职院校大学生的身上有明显表现,该文对高职院校大学身网络偏差行为表现进行总结,探究高职院校大学生网络偏差行为生成的原因,思考如何构建“四位一体”的高职院校大学生网络偏差行为的心理危机预防机制。希望能为关注此话题的研究者提供参考意见。