【摘 要】
：
针对低密度资源耗尽型分布式拒绝服务(Distributed Denial of Service,DDoS)攻击检测进行研究,提出一种基于网络流量特征和自适应匹配追踪(Adaptive Matching Pursuit,AMP)的混合DDoS攻击检测算法.该算法从包含原始网络数据包的数据集中提取网络数据包的属性,生成特征向量,然后使用K-奇异值分解(K-Singular Value Decomposition,K-SVD)方法生成在Frobenius范数意义下具有最小残值的字典,其次基于匹配追踪(Match
【机 构】
：
盐城幼儿师范高等专科学校大数据产业学院,中国矿业大学计算机科学与技术学院
【基金项目】
：
上海智能信息处理重点实验室开放项目(IIPL-2019-10).
论文部分内容阅读
针对低密度资源耗尽型分布式拒绝服务(Distributed Denial of Service,DDoS)攻击检测进行研究,提出一种基于网络流量特征和自适应匹配追踪(Adaptive Matching Pursuit,AMP)的混合DDoS攻击检测算法.该算法从包含原始网络数据包的数据集中提取网络数据包的属性,生成特征向量,然后使用K-奇异值分解(K-Singular Value Decomposition,K-SVD)方法生成在Frobenius范数意义下具有最小残值的字典,其次基于匹配追踪(Match
其他文献
基于新发展理念,本文从创新质量、协调质量、绿色质量、开放质量、共享质量5个维度,构建了城市旅游高质量发展评价指标体系;综合运用熵权法和TOPSIS法进行研究,并以广东省21
考虑一类带非线性混合边值条件的四阶微分方程的双参数奇摄动问题,在适当的条件下,运用合成展开法,构造在两个小参数相互关联的3种不同情形下双参数奇摄动问题的形式渐近解,利用微分不等式理论证明了在3种情形下原问题解的存在性和渐近解的一致有效性.
针对当前无监督学习的入侵检测算法准确度低、误报率高以及有监督学习算法所需训练样本标记成本高的问题,提出一种基于对抗性自编码器的入侵检测算法.这是一种半监督学习算法,仅需要训练数据集中少量标记数据进行训练,并在训练数据集中支持未标记数据,从而提高性能.首先,自编码器通过提取重要特征作为潜在变量来降低输入数据的维数;其次,利用生成对抗网络使自编码器的潜在变量遵循任意分布以进行正则化;最后,利用标记数据的交叉熵损失来实现半监督学习的分类.实验结果表明:相较于其他算法,本文所提算法对少量标记的数据集检测具有一定的
针对协同过滤算法中协同过滤信号交互编码数据量过大,难以有效提取所需的协作信号问题,本文采用深度学习方法,提出融合自注意力的图神经协同过滤模型(UAGNCF).首先将自注意力机制运用到用户与项目之间的消息构建中,然后将处理后的消息运用高阶连通性嵌入到图神经网络层,最终将获得的消息聚合后再输出.在3个数据集上进行实验分析,实验结果表明与现有模型进行对比,其召回率优于其他模型5%~9%,表明本文构建的UAGNCF模型合理、有效,能够取得更好的推荐效果.
科学认知县域城镇化发展质量及其空间分异特征,可为促进县域城镇化高质量发展提供科学依据.基于2008-2018年贵州省83个县域单元面板数据,从经济发展、社会发展及城乡一体化3个维度构建了县域单元城镇化质量评价指标体系,运用综合评价法、耦合协调度模型、空间自相关和冷热点分析方法探析贵州省县域单元城镇化质量水平及其空间分异特征.研究结果表明:①2008-2018年贵州省各县域单元城镇化质量呈持续上升态势,其中城镇化质量中等别的数量不断增加,低等别的数量持续下降,但高等别的占比仍然偏低.②贵州省县域城镇化质量内
采用最邻近指数、基尼系数及核密度分析的方法,借助ArcGIS软件,结合浙江省自然地理环境和历史演变格局从时空的维度上探究其农业文化遗产的演变特征.结果表明:(1)浙江省的52个农业文化遗产空间分布类型为凝聚型,在不同的区域内皆均有差异;(2)各地级市区域内农业文化遗产分布呈现不同的凝聚特征,根据核密度值的比重,空间分布类型主要分为3个梯队;(3)先秦时期和秦汉魏晋时期遗产较少,从先秦至明清,遗产项
从文化景观的视角,选取祠庙空间类型多样、保存完整的松溉古镇作为研究对象,首先通过现场调研和测绘收集松溉古镇祠庙空间的现状信息,对其生成环境进行实地勘察;接着通过对古镇历史资料的挖掘与提取,充分了解松溉古镇祠庙空间的时空背景和文脉价值,对其演进历程作出基本预判;最后,结合历史地图解译的空间信息,通过空间句法量化分析祠庙空间系统的形态特征.在此基础上,从“时间”“空间”“文化”3个层面总结了巴渝古镇祠庙空间的文化景观特性,即在时间上的历史层积性、在空间上的多维立体性和在文化上的集群公共性.基于巴渝古镇未来的保
针对当前推荐算法面临的冷启动、数据稀疏以及推荐准确度低等问题,本文提出一种基于深度学习的正则化矩阵分解推荐系统,该系统利用深度自动编码器对基于矩阵分解的用户和项目潜在特征进行初始化,然后使用Node2vec网络嵌入技术在用户信任网络中捕获用户潜在特征,用于计算用户信任度和预测用户对项目的评分.为了使用户的兴趣与可信用户和社区中最具影响力的人兴趣相似,本文算法采用Louvain和超链接诱导主题搜索(HITS)方法寻找社交网络中最具影响力的用户节点,以正则化的方式将约束信息添加到矩阵分解的目标函数中.实验结果
针对传统调度算法不能提供一种在考虑负载平衡的同时满足用户服务质量(Quality of Service,QoS)的自适应方法进行了研究,提出一种基于改进多准则妥协解排序法(VIKOR)和用户QoS优先级的云计算自适应调度算法.该算法首先使用最优最差多准则决策为每个评估标准或用户QoS优先级分配重要性权重,然后使用VIKOR评估和确定每个用户请求的等级并进行排序,最后自适应任务调度根据虚拟机的负载率来分配工作负载以保持动态负载平衡.实验结果表明:本文方法在MaKespan、吐出量和虚拟机利用率性能方面均有明
针对大数据分类中的不平衡问题,本文提出一种基于边界条件生成式对抗网络(Boundary Conditional Generative Adversarial Networks,BCGAN)的不平衡大数据模糊分类算法,通过在多数类数据和少数类数据的决策边界附近引入一个边界少数类到过样本,生成更合适的少数类数据来提高分类性能.将处理过的平衡数据转换成概率索引表,数据和属性分别以行和列的形式呈现,计算每个数据属性中存在的唯一符号的隶属度,然后设计相关模糊朴素贝叶斯(Correlative Fuzzy Naive