基于大数据技术的通信网络故障检测方法

由于传统方法在通信网络故障检测应用中不仅查全率比较低,而且检测时间比较长,现实检测效果不佳,提出基于大数据技术的通信网络故障检测方法。利用大数据处理技术对通信网络数据降维,并提取故障信号,通过对故障信号拟合处理,拟合成一个结构性数据文件,提取通信网络拥塞、网络分割、网络故障风险、以及网络匹配度等故障特征,利用大数据技术建立故障识别检测模型,对故障特征与大数据库数据匹配,识别检测到故障类型,以此完成基于大数据技术的通信网络故障检测。经实验证明,设计方法查全率在95%以上,检测时间为0.35s,在通信网络故障检测方面具有良好的应用前景。

基于云计算的计算机专业教学资源共享系统设计

常规的计算机专业教学资源共享系统丢包率较高,因此基于云计算设计一种计算机专业教学资源共享系统。硬件部分设计了S3C6410嵌入式处理器和MICROCHIP存储器,软件部分利用云计算技术,结合物理服务器虚拟化原理构建了云计算虚拟化资源共享驱动框架,从而实现教学资源共享。测试结果表明,该系统的性能良好,应用丢包率较低,具有一定的可靠性。

基于动态任务量的高校云计算中心能耗算法分析

随着云计算技术的普及,用户规模的不断扩大,我国云计算中心的建设速度得到飞速发展,伴随其巨大的能耗消耗问题引发了广泛关注,同时云计算中心的资源利用率普遍不高。针对这一问题,提出了动态任务量的能耗优化算法,该算法能够根据高校云计算中心动态变化的任务量,及时调整服务器的运行状态,从而达到节约能耗的效果。通过仿真实验显示,该算法能够有效降低云计算机中心的能源消耗,降低其运营成本,特别是在低任务量时,节能效果较为明显。

基于SDL的通信软件自动化测试方法

当前通信软件测试杂散误差较多,为此提出基于SDL的通信软件自动化测试方法研究。根据实际的自动化测试的需求及标准,先进行自动化测试用例选择及RA列表编写,采用多层级的形式,部署SDL通信监测节点,打破传统测试范围的限制条件,设计自动化测试编码及UTIL函数库,构建SDL脚本测试控制逻辑,通过Agent端搭接实现自动化测试。最终的测试结果表明:应用所提方法可将测试的杂散误差控制在0.4以下,说明该种测试方法的针对性与稳定性较强,测试误差更为可控,具有实际的应用价值。

基于萤火虫算法的无人机组网多径路由协议优化方法

常规的无人机组网多径路由协议设计方法多数采用遗传算法,此种算法具有一定的局限性,无法实时监测组网节点分量的动态变化,导致多径路由控制开销值较高,无人机组网各项性能得不到保障。针对这一问题,引入萤火虫算法,提出了一种无人机组网多径路由协议优化方法。首先,根据组网多径路由使用模式,设计多径路由选择约束,减少组网路由发现时间与时延。其次,建立无人机组网多径路由参数模型,反映无人机组网节点在快速时间内的数据处理能力,提高组网能量均衡性。在此基础上,基于萤火虫算法,对组网多径路由协议进行多维度的优化。根据实验分析结果可知,提出的优化方法应用后,在数据包容量大小逐渐增加的趋势下,组网路由控制开销值均较小,未出现明显的波动变化,优化效果优势显著,路由协议具有较好的性能。

基于BERT和CNN的评论文本情感分类应用研究

随着互联网应用的快速普及,用户在商品分析、服务评估、影视分享等众多领域发表了大量的评论文本。如何快速识别众多评论文本中的情感倾向,提高文本数据的应用价值,已成为自然语言处理领域关注的热点话题之一。针对此问题,基于BERT和CNN模型对资产维修服务的评论文本进行情感分析,将BERT模型输出的动态字向量送入CNN进行二次表征,并将其与文本序列向量相融合为分类器提供更多的语义信息。实验结果表明,所提出的方法在文本情感分类准确率、F1值上均取得了良好的结果,具有有效性,同时通过对评论文本进行情感分析形成对维修工人的综合评价,实现系统报修工单的智能派单,为企业资产管理系统中资产维修管理模块的优化提供一定的思路。

基于隐马尔可夫模型的无线传感网络入侵检测系统

当无线传感网络受到不同攻击类型的入侵时,当前的无线传感网络入侵检测系统对于入侵节点的检测率和数据传输成功数量过低,因此基于隐马尔可夫模型(Hidden Markov Model, HMM)设计了一种无线传感网络入侵检测系统。首先,基于HMM建立检测流程,分析HMM结构;其次,将观测序列之间匹配的概率作为入侵检测的判断依据,并提取入侵攻击特征,包括节点的工作状态、活动情况、位置等信息;最后,优化入侵检测算法,将传感器节点和数据中心分离进行匹配计算,最大限度化简计算步骤,提升系统检测效率。系统性能测试结果表明,设计的系统在不同的攻击类型下,测试周期内入侵节点检测数量和成功接收的数据量均高于原有系统,验证了系统的高可靠性。

基于关联规则的Android恶意软件检测技术

由于Android系统的开放性和多样性,使得该系统的受攻击面非常广泛,同时随着入侵技术和手段不断升级,导致恶意软件难以被检测到。为此,提出基于关联规则的Android恶意软件检测技术。利用计算机编程语言中dpke库对wireshark配置脚本文件解析,提取恶意软件流量,并获取恶意软件静态特征,通过对恶意软件流量聚类分析,利用频繁项集与关联规则计算最小支持度与最小置信度,提取到关联规则,将关联规则与规则库比对,识别检测恶意软件类型,以此实现基于关联规则的Android恶意软件检测。实验证明,设计技术查准率在95%以上,F_measure值在0.95以上,在Android安全防护方面具有良好的应用前景。