陕西省教育厅科研计划项目(12JK0933)
- 作品数：11 被引量：31H指数：3
- 相关作者：丁要军魏浩张伟蔡皖东董群锋更多>>
- 相关机构：咸阳师范学院西北工业大学西安交通大学更多>>
- 发文基金：陕西省教育厅科研计划项目咸阳师范学院科研基金陕西省科学技术研究发展计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于互信息选择聚类集成的网络流量分类方法被引量：1
- 2013年
- 针对互联网流量标注困难以及单个聚类器的泛化能力较弱,提出一种基于互信息(MI)理论的选择聚类集成方法,以提高流量分类的精度。首先计算不同初始簇个数K的K均值聚类结果与训练集中流量协议的真实分布之间的规范化互信息(NMI);然后基于NMI的值来选择用于聚类集成的K均值基聚类器的K值序列;最后采用二次互信息(QMI)的一致函数生成一致聚类结果,并使用一种半监督方法对聚类簇进行标注。通过实验比较了聚类集成方法与单个聚类算法在4个不同测试集上总体分类精度。实验结果表明,聚类集成方法的流量分类总体精度能达到90%。所提方法将聚类集成模型应用到网络流量分类中,提高了流量分类的精度和在不同数据集上的分类稳定性。
- 丁要军蔡皖东
- 关键词：聚类集成K均值互信息
- GPU OpenFlow海量数据网络处理模型——GOMDI被引量：1
- 2014年
- OpenFlow的出现提高了现有网络的服务质量(QoS),但在处理海量数据时存在网络会话识别效率低、网络报文转发路径不佳等缺点。在OpenFlow的研究基础上,提出了海量网络数据处理(GOMDI)模型,通过将GPU并行计算、生物序列算法和机器学习方法相融合,设计出GOMDI网络会话匹配算法和路径选择算法。实验结果表明,GOMDI网络会话匹配算法与CPU环境相比加速比提升了近300;路径选择算法中网络丢包率低于5%,网络延时小于20 ms。因此,GOMDI模型可有效地提升网络性能,满足大数据环境下实时处理海量信息的需求。
- 张伟解争龙丁要军张潇晓
- 关键词：GPU生物序列
- 一种基于相关的属性选择改进算法被引量：6
- 2014年
- 基于相关的属性选择算法是一种属性子集评价方法,该算法通过启发式评价消除属性子集中属性之间的相关性,使用评价值选择与类属性相关度高而属性之间相关度低的属性子集。提出在基于相关的属性选择算法中加入属性之间相关度方差的影响,能够在基于相关的属性选择算法选择的属性集子的基础上,去除属性子集中那些与其他属性相关度大的属性。通过实验证明,改进后的算法选择的属性子集属性数不多于基于相关的属性选择算法选择的属性子集属性数。使用改进算法选择的属性子集,在对分类器分类正确率影响很小的情况下,有较高的分类效率。
- 魏浩丁要军
- 关键词：相关度信息熵信息增益
- 云安全综合分析系统的设计与实现被引量：3
- 2014年
- 针对当前主流的云安全分析系统存在智能化不高,处理能力不强等缺点,提出了具有并行处理能力的流水化PF_RING的模型,将生物序列匹配算法引入到云入侵检测模型中,并将其与多状态匹配算法、脆弱性评估算法相结合,设计并实现了云安全综合分析系统(Cloud Security Comprehensive Analysis System,CSAS)。实验表明,系统可在海量数据下,对云安全进行流量分析、入侵检测和漏洞扫描,与同类系统相比,处理能力提升近10倍,安全防护提升了65.43%。该系统有效地提高了云安全分析系统入侵检测能力,为云平台的安全性提供了有效的保障。
- 张伟董群锋
- 关键词：云安全入侵检测系统
- 基于UDP统计指印混合模型的VoIP流量识别方法被引量：1
- 2013年
- 针对VoIP加密负载流量识别的难题,提出一种基于UDP统计指印混合模型的VoIP流量识别方法,以提高VoIP流量的识别精度和分类稳定性。该模型改进了统计指印模型中基于单一的网络流相异度来判定流量类别的方法,将UDP流的统计特征与网络流的统计指印相异度结合以共同训练一个支持向量机分类模型,把基于分类阈值点的分类转换到基于多维特征的高维空间中的分类面的分类,综合运用包层次和流层次统计特征,降低了因网络不稳定造成的统计特征偏差对分类模型精确度的影响。实验结果表明,该模型对VoIP流量的分类精确度达到97%以上,与统计指印模型和支持向量机模型相比分类稳定性更好。
- 丁要军蔡皖东姚烨
- 关键词：VOIP支持向量机互联网
- 基于属性相关的朴素贝叶斯分类算法被引量：6
- 2014年
- 朴素贝叶斯分类器是一种简单、高效的分类算法,它以贝叶斯定理和最大后验假设为理论基础,然而朴素贝叶斯分类器属性之间相互独立的假设,影响了朴素贝叶斯分类器的性能.提出先使用基于相关的属性选择算法进行属性选择,然后在选择的属性集上,用朴素贝叶斯分类器对数据集进行分类.实验证明,与未使用属性选择的实验结果相比,使用基于相关的属性选择算法进行属性选择后,朴素贝叶斯分类器平均分类正确率提高,分类效率显著提升.
- 魏浩丁要军
- 关键词：朴素贝叶斯信息熵信息增益
- 属性相关选择和Bagging算法在入侵检测中的应用
- 2014年
- 入侵事件的识别是入侵检测系统的关键,入侵事件的识别是一个网络数据的分类问题。通过基于相关的属性选择算法,选择出相关度高的属性子集,去除冗余度高的属性,在选择的属性子集上,使用Bagging算法对网络数据分类,识别入侵事件。实验结果表明,在选用的实验数据上,基于相关的属性选择算法和Bagging算法结合使用,提高了分类正确率和入侵事件的检出率,降低了入侵事件的误报率。
- 魏浩丁要军
- 关键词：入侵检测BAGGING
- 基于S3C2410上U-Boot的移植与实现被引量：3
- 2014年
- 操作系统内核移植是嵌入式系统开发的前提和基础,针对U-boot移植的复杂性和多样性,在分析了U-boot的文件结构和启动过程的基础上,选取了以SanSung公司的S3C2410为处理器的开发板,详细介绍了交叉编译环境的搭建、U-boot的移植、内核的烧写等过程.移植过程中将U-boot的功能与Linux的特点相结合,此方法具有移植速度快、内核修改简单、通用性强的特点.通过编译测试,成功实现了U-boot在S3C2410的移植,为其他U-boot的移植提供了一种参考.
- 张伟刘斌董群锋
- 关键词：U-BOOTS3C2410嵌入式系统BOOTLOADER
- 基于SBN模型的Internet应用协议识别方法
- 2012年
- 针对网络流量协议标注比较困难的问题,提出一种基于贝叶斯网络的半监督学习模型,以提高Inter-net协议的识别精度.该模型首先使用少量的标注样本训练贝叶斯网络分类模型,并对未标注样本进行初始分类,然后从未标注样本中挑选分类损失最小的样本加入到训练集中并重复训练分类模型,经过多次循环训练出最终的分类器.该模型可以使用未标注样本和标注样本共同训练分类模型,非常适合于标注比较困难的Internet应用协议的识别.实验结果表明:在标注样本较少的情况下,该模型的识别精度和稳定性均优于朴素贝叶斯模型和贝叶斯网络模型,对于提高Internet协议的识别精度是有效的.
- 丁要军蔡皖东姚烨
- 关键词：贝叶斯网络半监督学习损失函数
- 属性相关选择和AdaBoost算法在入侵检测中的应用被引量：1
- 2014年
- 入侵事件的识别是入侵检测系统的关键,入侵事件的识别是一个网络数据的分类问题。通过基于相关的属性选择算法,选择出相关度高的属性子集,去除冗余度高的属性,在选择的属性子集上,使用AdaBoost算法对网络数据分类,识别入侵事件。实验结果表明,在选用的实验数据上,基于相关的属性选择算法和AdaBoost算法结合使用,提高了分类正确率和入侵事件的检出率,降低了入侵事件的误报率。
- 魏浩丁要军
- 关键词：入侵检测ADABOOST
