基于遗传算法的计算机网络安全路由

提出基于遗传算法的计算机网络安全路由优化方法,根据认证、接入控制和加密机制,多方向量化链路安全,结合服务质量参数构建多目标安全路由模型。根据公共缓冲池与最小预留带宽的分配,选取多目标安全路由模型优化目标为:可行路径平均时延最低、三类安全度量最低以及最大带宽利用率最低等。采用自适应遗传算法,以求解最优染色体编码问题替代计算机网络安全路由问题;设置适应度函数,将计算机网络安全路由的目标函数最小化问题变换成最大化问题;选取算子进行交叉与变异,通过遗传算法求解确定适应度值最优的个体,实现计算机网络安全路由优化。仿真结果显示:该方法确定路径的平均时延为135 ms左右,平均最大带宽利用率在0.5%左右,三类安全度量数值均低于其他两种对比方法,说明该方法更能保障计算机网络通畅与资源使用安全性。

专用网络脚本病毒有效优化隔离仿真研究

对专用网络脚本病毒的有效隔离,能够对专用网络的脚本病毒进行准确检测。对脚步病毒的有效隔离,需要设定特定选取规则,对未标签脚本池中的样本进行选取,完成专用网络脚本病毒的隔离。传统方法首先对病毒样本代码进行明文的统计分析,获得脚本病毒代码关键字的分布概率,但忽略了对脚本病毒样本进行选择,导致病毒隔离效果不理想。提出基于主动学习的专用网络脚本病毒隔离方法。通过分析专用网络脚本病毒文件静态特征提取其调用的敏感API函数,将不同类别的API函数依据相关恶意特征行为分类,采用判别熵最小化的特征提取理论对网络脚本特征项进行精简,并对未标签的脚本程序文件样本进行分类操作,对未标签专用网络脚本池中的样本进行选取,并将该样本更新至训练集中,实现专用网络脚本病毒自动隔离。仿真结果证明,所提方法可以及时、有效地对脚本病毒进行隔离。

关于面向对象软件测试技术的研究

在软件项目的开发利用进程中对设计出的软件做应用的测试工作至关重要,其不仅有利于将软件所需运用的开发时间缩短,而且还能在减小成本投入的基础上将软件的应用质量做有效的提高,因此进行这样的工作十分重要。在文中主要对软件面向对象测试的有关内容做简介。

基于机器视觉技术的视频画面目标检测和跟踪研究

为了提高视频画面目标检测和跟踪的速度,缩短目标跟踪的时间,提出基于机器视觉技术的视频画面目标检测和跟踪方法。基于机器视觉技术的分析,将机器视觉技术引入到视频画面目标的检测和跟踪中,通过视频画面与前一帧视频画面做像素差分运算,得到了二值差分视频画面,并利用阈值的调整,完成视频画面目标的检测;最后依托Camshift跟踪算法流程,得到了视频画面目标的颜色概率分布图,完成了视频画面目标的跟踪。实验结果表明,提出的检测跟踪方法相比传统检测跟踪方法,跟踪时间缩短了5.3 ms。

一种改进的卡尔曼目标实时检测与跟踪算法

对象跟踪已在视频监视、流量管理、视频索引、机器学习、人工智能等领域广泛使用,为快速、实时和准确对视频运动目标进行检测与跟踪,本文提出了卡尔曼滤波算法与粒子滤波器相结合的优化算法。该算法是在卡尔曼滤波算法框架下结合粒子滤波器,嵌入具有更高精度的运动目标跟踪方法用于估计和预测运动物体的位置,提升运动目标的检测与跟踪精度,并对改进算法和传统卡尔曼滤波算法进行了实验对比。实验结果表明,改进的卡尔曼滤波算法具有检测精度更高、实时性更强、跟踪效果更好的特点,对于视频图像中运动目标的检测与跟踪具有较高的应用价值。

网络病毒感染下振荡攻击数据混淆分离算法

通过对网络病毒感染下振荡攻击数据混淆分离,实现对网络病毒攻击数据的特征定位和提取,有效检测网络病毒数据。传统方法中对网络病毒感染下的振荡攻击数据的检测和分离方法使用行为特征分析和卡尔曼滤波方法,算法受到数据振荡和线性特征干扰的影响,检测性能不好。提出一种基于双线性本征波匹配的振荡攻击数据混淆分离算法,构建网络病毒感染振动攻击模型,提取攻击数据的信号模型特征,根据调解病毒样本序列的线性化程度,确定双线性本征陷波器频率参数和带宽参数,实现对信号的滤波,进而实现混淆分离算法的改进。仿真结果表明,该算法设计的滤波器进行振荡攻击数据的混淆分离,具有较好的抗噪能力和干扰抑制能力,对网络病毒攻击数据的混淆分离均方根误差较小,对病毒感染下的振荡攻击信号的检测性能较高,展示了其优越性能。