深度置信网络结合递归特征添加的网络入侵检测方法

针对互联网零日攻击严重威胁网络安全的问题,提出一种深度置信网络(Deep Belief Network,DBN)结合递归特征添加(Recursive Feature Addition,RFA)的网络入侵检测方法。采用深度置信网络对网络入侵特征进行提取,并基于二元组编码技术将长字符串的特征转化为二进制编码;使用递归特征添加方法对影响网络入侵检测性能的主要特征进行选择。为获取更好的入侵检测性能,提出综合考虑检测准确率、检出率和误报率的入侵检测性能评估函数,从而有效改善抵御互联网攻击的能力。实验结果表明,相较于K-最邻近(K-Nearest neighbor,KNN)算法等传统的入侵检测算法,该算法的检测准确率提升8%以上,保证了互联网的安全性。

反向梯度优化深度学习的病毒数据对抗方法

为解决传统病毒攻击样本生成算法存在适用范围较小的问题,提出一种基于反向梯度优化深度学习算法的数据病毒攻击样本生成方法。通过自动微分计算对应感兴趣服务的梯度,为降低算法复杂度并提高算法适用范围,采用反向梯度算法对学习过程进行反转以训练神经网络。为验证所提方法的有效性,设置垃圾邮件过滤、恶意软件检测和手写数字识别3个数值算例,实验结果表明,所提算法具有较好的适用性。

基于改进脉冲耦合神经网络的动态人脸识别

动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一。针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法。利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分。对500组动态人脸图像的随机抽取实验表明,改进脉冲神经网络对实际场景中的动态人脸识别性较好,可以较好地对不同人物进行区分,具有稳定鲁棒性。

单片机课程面向物联网专业的“六个教”

以"六个教"教学过程理论为依据,围绕单片机课程在物联网专业人才培养中的教学改革进行了分析和阐述,明确了该课程面向物联网专业教学的关键性因素,为该课程提供了一种教学参考。

CR网络中基于最优阈值选取的攻击感知算法

由于认知无线电(Cognitive Radio,CR)网络允许多个未知无线设备接入频谱,使其存在模仿主用户攻击(Primary User Emulation Attack,PUEA)的安全隐患,为此,提出一种具有攻击感知能力的协作感知方案.首先,在授权主用户信号频谱资源处于占用和空闲这2种情况下,估计PUEA伪信号出现的概率;然后,利用得到的估计参数确定最小化总误差概率的最优阈值;最后,融合中心通过感知报告与阈值来判断主用户信号是否存在,以达到感知模仿主用户攻击的能力.仿真试验结果表明:与最优用户选择(Optimal User Selection,OUS)方法相比,提出的方法在应对主用户仿真攻击时具有更好的安全性能,提高了CR网络的安全效能.