基于遗传算法的入侵检测系统

将遗传算法应用于入侵检测有着广阔的前景.随着计算机技术的发展和计算机网络的膨胀,敏感数据不断面临黑客的攻击,安全形势越来越严峻.遗传算法能够从训练的数据中学习规则和不规则行为,并能在计算机系统上产生用来检测攻击的分类器.本篇讨论了应用自适应遗传算法到网络入侵检测系统,包括入侵检测系统遗传算法的简单介绍和相关的检测技术,详细讨论了遗传算法的参数和进化过程.与其它方法对待攻击行为不同的是,本方法在编码网络连接信息到规则库中时考虑了网络连接时间和空间的信息.     

入侵检测的1类支持向量机模型

计算机网络尤其是互联网的迅速发展与普及 ,使得信息安全已经成为一个全球瞩目的重要研究课题。随着攻击技术的不断进步与更新 ,迫切需要一种有效的入侵检测技术来保护信息系统的安全。由于几乎所有的攻击与滥用都被记录在系统的网络数据中 ,因而可以基于计算机系统的网络数据构造入侵检测系统。在对网络数据进行深刻的分析和研究的基础上 ,提出了入侵检测的 1类支持向量机模型。第一 ,构造适于异常点检测的1类支持向量机模型 ;第二利用抽象化的网络数据对该模型进行训练以确定其中各个参数的值。实验表明 ,该方法是行之有效的     

基于遗传-BP算法的煤矿安全监控系统测试研究

针对煤矿监控系统的测试要求,提出了一种自动生成测试用例数据的方法用于煤矿监控系统的测试任务。该方法利用遗传算法和BP算法对要测试的功能模块和逻辑结构进行分析解读,通过全局寻优得出最佳测试路径和测试数据,对于提高测试的精准性和有效性有很大优势,而且相对与人工测试更加安全。新的测试用例生成算法结合遗传算法和BP算法,能充分发挥遗传算法的全局寻优能力和BP算法学习能力强的优势,使得数据生成更快捷可靠。选取煤矿监控系统的部分功能测试作为实验材料,与人工测试方法和利用遗传该算法生成测试数据进行了比较。结果表明,该新方法能够更好的检测出煤矿监控系统中的错误,发现错误的数量和时间都较人工测试要好,对于提高煤矿安全监控系统的准确性和稳定性有较好的帮助。     

网络入侵检测技术浅谈

入侵检测技术(IDS)用于检测计算机网络中违反安全策略行为,它犹如一个监视器,能够及时发现并报告系统中未授权或异常的现象,从而保证计算机系统的安全。这里所说的违反安全策略的行为即为入侵行为。 计算机网络的安全是一个国际化的问题,以往全球因计算机网络的安全系统被破坏而造成的经济损失每年都     

高速网络环境下的入侵检测

实现高速网络中实时入侵检测与预警已经成为目前网络安全所面临的问题。笔者首先分析了当前入侵检测系统中模式匹配算法 ,对模式匹配算法作了改进 ;接着对Rete算法进行了分析 ,并针对Rete算法的不足 ,在Rete网算法的基础上引入了FRete网算法 ,在此基础上建立了一种基于FRete匹配算法的推理机 ,对可疑事实进行推理 ;然后在此基础上设计了一种基于高速网络环境的入侵检测系统 ;最后建立了对入侵检测系统进行性能测试的仿真实验环境。通过上述的改进 ,提高了入侵检测系统的运行速度和效率 ,能较好地适应高速网络环境下的入侵检测。     

混沌遗传神经网络在空气质量预测中的应用

为了提高对空气质量预测的准确性,提出了一种基于混沌遗传算法(CGA)的BP神经网络改进方法。BP神经网络是目前应用最广泛的神经网络,但存在收敛速度慢和易陷入极小值的缺陷。该改进算法的基本思想是用混沌遗传算法优化BP神经网络的初始权值和阈值。混沌遗传算法结合了混沌运动的遍历性和遗传算法的反演性。将混沌变量加入遗传算法中,进一步提高了遗传算法的全局搜索能力和收敛速度;将混沌遗传算法优化后得到的最优解作为BP神经网络的初始权值和阈值。利用改进后的CGA-BP算法进行空气质量预测,结果表明,该方法对空气质量的预测效果明显好于单纯使用BP神经网络的预测效果。     

基于风险和成本的化工园区供电网络优化设计

化工园区供电网络优化设计是国家综合管理部门、电网工程项目法人及融资方进行项目决策的重要依据。化工园区内企业在生产活动中极易释放易燃易爆气体,供电危险极大。主要目的是运用程序优化方法,找到一种既经济又安全的供电线路布局方案,最终得到基于风险和成本的安全决策。基于前人在计算机智能算法优化数学模型得到的经验,运用图论Floyd算法和GA遗传算法研究了图论算法和人工智能算法在基于风险和成本的化工园区供电网络优化中的设计和应用。设计了一个化工园区,总降变电站为源点,8个可选择的化工园区内具有火灾或爆炸高危险性生产企业位置为网络节点。建立了无浓度约束范围和有浓度约束范围两种模型,并在有浓度约束范围模型的优化中运用广度优先遍历和深度优先遍历相结合的思想。给出了3套方案并且得到了理想的优化结果。首次应用计算机智能算法优化的方法研究了化工园区供电网络安全性,研究表明,图论算法和人工智能算法在化工园区供电网络优化上的应用是可行的。对于网络节点较多的实际化工园区供电布局,GA遗传算法一般能得到比Floyd算法更快更好的全局最优解。     

基于PCA-GA-BP神经网络的瓦斯含量预测分析

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析（PCA）方法来降低变量间的相关性,然后将遗传算法（GA）与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。     

浅谈网络安全策略

由于计算机网络表现的脆弱性使网络容易受到各种攻击，所以网络信息的安全和保密是一个非常重要的问题。本文从计算机网络安全策略出发，对解决计算机网络安全策略原则及网络的安全技术进行了综述。     

利用遗传算法进行软件可靠性增长模型参数估计

为解决利用传统数值方法估计软件可靠性增长模型参数值时存在的问题 ,笔者讨论了利用遗传算法进行求解的相关策略 ;提出了一种新的编码方式及变异算子 ;通过涉及多个模型的实验 ;采用实际数据 ,对所提出算法的效果与传统数值方法进行了对比。实验与对比分析结果显示 :该算法针对这些模型表现出了良好的普适性。     

遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法

针对深井巷道无线传感器网络（Wireless Sensor Networks,WSN）安全监测中节点能量消耗不均匀导致网络生命周期较短的问题,在分析低功耗自适应集簇分层型算法（Low Energy Adaptive Clustering Hierarchy,LEACH）、遗传算法（Genetic Algorithm,GA）和禁忌搜索算法（Tabu Search Algorithm,TS）的基础上,提出遗传禁忌搜索的能量均衡深井安全监测WSN分簇路由算法（GTSR-EB）,以分簇方式来减少数据发送量与寻优开销,利用优化GA算法和TS算法进行多路径搜索以选出一条能耗均衡、路径传输距离最短的最优路径。仿真实验表明:GTSR-EB算法网络存活周期为LEACH算法的2.17倍、GA算法的1.18倍,GTSR-EB网络能量利用率更高、生存周期更长。     

路径-脆弱点最短距离最大化的危险品运输网络设计

为了实现危险品运输网络的有效设计,进而降低危险品运输风险。将分布于公路两侧的医院、学校、居民区、购物中心等人口集聚场所定义为“脆弱点”,并通过计算运输路径和脆弱点间的加权距离来评估路段风险;结合双层理论构建模型,上层规划为政府的网络设计问题,通过关闭部分路段来最大化危险品车辆行驶路径与各脆弱点间的最小加权距离,下层规划则为承运商的车辆路径选择问题;为求解模型,设计1类启发式算法,并对算法的计算时间复杂性进行证明,最后根据算例分析发现,该算法经过有限数量的迭代即可得到风险最小的、次小的、…、第k小的运输路径及对应的路段关闭方案,为寻求兼顾运输风险和运输成本的最优方案提供决策支持。     

基于元胞遗传算法的多目标应急资源配置

为解决不同灾情下多目标多周期灾后救援问题,减少受灾损失,对灾后应急资源配置进行研究。从物流成本和系统损失2个方面最小化救灾行动的成本和最大化有限救灾资源的分配,建立基于路况的多目标应急资源配置模型,将帕累托前沿和超体积作为元胞遗传算法的求解性能指标,开展元胞遗传算法与遗传算法对模型的求解对比实验。结果表明:元胞遗传算法能较好地求解多目标多周期应急资源配置模型,且求解性能比遗传算法更好;通过对模型的求解,可为决策者基于不同灾情下的应急决策提供参考。     

基于双层规划的应急物资调配研究

为在突发性自然灾害发生后的黄金救援时间内,使各应急物资调配中心的物资在最短时间内高效地运往各受灾点,最大程度地平衡受灾程度不同的受灾点群众对应急物资救援的心理满意度,构建以应急物资救援时间最短为目标的上层模型;通过借鉴前景理论量化受灾群众的心理满意度,在考虑各受灾点对有限应急物资存在竞争关系的基础上,建立下层非合作博弈模型;设计遗传算法求解上层模型、改进粒子群算法求解下层模型的层次混合算法。结果表明:构建的多应急物资调配中心多受灾点的非线性整数双层规划模型,使应急物资的调配具有时效性,且更加客观地衡量各灾点物资调配的公平合理性,该模型为应急物资调配研究提供借鉴与参考。     

基于自适应遗传算法的应急物资储备库选址及物资调配优化研究

应急物资储备库是应急救援的重要载体,储备库选址是否科学合理决定着整个应急公共服务体系的成效,而传统遗传算法在研究储备库选址与物资调配相结合的问题上存在局限性。针对这一问题,从需求点及应急设施服务质量视角构建基于覆盖满意度和经济性的应急设施选址与物资调配优化模型,并根据模型设计自适应遗传算法(AGA),结合储备库实际情况采取具有方向性的初始群体生成法提高搜索速度,设计自适应交叉与变异算子使AGA能够在进化速度与解的质量之间进行权衡,并获得全局最优解。结果表明,该算法能跳出局部最优从而获得最优的选址-分配方案,可为应急管理部门和决策机构的应急设施选址规划及应急物资分配提供理论依据和决策参考。     

网络攻击检测中的机器学习方法综述

在详细介绍网络攻击检测机器学习原理的基础上,对现有的各种方法进行了评述,并结合网络攻击检测系统的应用需求,阐述了网络攻击检测系统机器学习技术的发展方向。     

基于有上下界风量约束的矿井风量极值流算法研究

为解决既有方法不能准确求出矿井最大通风量与最小配风量,从而导致矿井通风系统产生能源浪费或难以满足矿井通风需求,出现安全隐患与改造难度大、潜力低等问题,提出1种基于有上下界风量约束的矿井风量极值流算法.该算法首先利用最大流算法求解满足节点流量平衡与分支上下界容量限制条件的可行流问题,若存在可行流,在求得可行流基础上,再利...     

基于铀尾矿库核素污染监测WSN分簇路由协议

用WSN对铀尾矿库核素污染监测优于传统有线布置,为解决无线传输路由能耗的问题,提出了一种基于蚁群算法的前向传输分簇路由协议。该协议以分簇的方式来减少数据发送量与寻优开销,在下一跳接收节点选择阶段,以前向传输区域为切入点,利用优化的蚁群算法进行多路径搜索最后选出满足条件的最优路径。仿真实验表明,CFTA协议的网络生存周期有效延长,并减小了能耗。     

基于GASA-BP神经网络的煤层瓦斯含量预测方法研究

为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法(GA)和模拟退火算法(SA)混合初始化BP神经网络(BPNN)的瓦斯含量预测新模型(GASA-BPNN模型)。利用灰色关联分析法(GRA)筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入。为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力。将该模型应用于煤炭生产现场,结果表明：BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79%,9.03%,5.56%。相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高。