【摘 要】
：
现有的DNS隐信道检测算法大多数依赖多次的DNS信息交互数据,然而在大规模流量的网络环境中,DNS数据难以收集完整并分流,从而导致检测模型失效。针对上述问题,提出了一种基于单次DNS请求和响应报文特征的DNS隐信道检测模型,并分析并提取了DNS请求与响应报文多维度的长度和字符特征,最终提取19维特征,并使用四种机器学习算法进行分类,其中J48决策树综合结果最好,对DNS隐信道检测率为99.4%,误
【机 构】
：
南京理工大学自动化学院,中国船舶重工集团第七二四研究所,南京信息工程大学电子与信息工程学院
论文部分内容阅读
现有的DNS隐信道检测算法大多数依赖多次的DNS信息交互数据,然而在大规模流量的网络环境中,DNS数据难以收集完整并分流,从而导致检测模型失效。针对上述问题,提出了一种基于单次DNS请求和响应报文特征的DNS隐信道检测模型,并分析并提取了DNS请求与响应报文多维度的长度和字符特征,最终提取19维特征,并使用四种机器学习算法进行分类,其中J48决策树综合结果最好,对DNS隐信道检测率为99.4%,误检率为0.2%,同样情况下对比算法的检测率为98.5%,误检率为0.8%。实验结果表明,在基于单次DNS
其他文献
在如今的大数据时代,视图数据越来越多,由于这些数据表现出明显的多样性和差异性,使得多视图数据聚类成为了大数据的研究重点问题之一。针对多视图数据聚类问题,提出了一种基于改进K-means加权自适应多视图聚类算法。首先,提出加权自适应多视图聚类算法,降低视图同维度变换的复杂性。然后考虑到数据的误差性和离群点问题,对数据条件进行优化处理,把Frobenius范数作为条件进行改进,起到对多视图数据加权的作
为了加强网络环境的可靠性、强化系统运算性能,提出对等网络环境下多目标任务容错调度方法。使用PB算法对处理器进行容错处理,划分任务主、副版本,通过分析任务相应版本与所在处理器的运行时间,构建任务模型与故障模型。拟定多目标任务不同开始时间与时限,通过自适应策略拟定启发式多目标任务容错分配策略,将多目标任务转换为回路任务。设定回路任务的数量与主版、副版本在普通处理器内的运行时间,判断调度序列内任务,计算
针对约束优化问题,提出一种改进元胞遗传算法。将自适应ε约束处理技术与元胞遗传算法结合,对于自适应ε约束处理技术中的截断进化代数,在其前期提出偏好性指标概念,随机选取满足约束条件较好的个体引导种群快速向可行域逼近,在其后期采用改进柯西变异算子避免陷入局部最优。基于一组标准测试函数进行测试,与其它算法进行对比,结果表明算法具有较好的收敛精度,且在高维函数中取得更优的结果,验证了算法的有效性与先进性。
为降低多源信息背景下平行语料库重复句段对翻译工作的干扰,提升去重效率,设计一种基于词频-逆向文件频率技术的平行语料库相似句段去重算法。构建平行语料库句子一级对齐关联,设计概率模型,挑选最大概率路径为对齐输出,运用基于长度的句子对齐方法,确立源语料库中语言单位与目标语言文本间的翻译关系;根据句段词表层特性与信息熵,从多源语料库中择取少量待选实例并进行泛化匹配,得到句段相似程度;根据单词主题相关性推导
针对当前机器人智能抓取未知目标位置识别方法未考虑目标轮廓图像特征融合,导致复杂环境中识别效果较差,定位误差较大,目标位置识别率较低的问题,提出机器人智能抓取未知目标位置深度识别方法。利用40层的深度残差网络识别模型检测未知目标,通过训练获取未知目标的类别属性信息后,随机确定抓取目标,并计算确定目标的当前图像特征,融合当前特征与期望特征,利用滑模控制逻辑设计视觉控制器,通过视觉滑模定位控制律,控制机
研究了支撑柱排布间距、高度及直径对钢化真空玻璃支撑应力的影响,建立了钢化真空玻璃力学模型,采用ANSYS软件分析了不同支撑条件下的钢化真空玻璃支撑应力与变形情况。研究结果表明,随着支撑柱排布间距的增加,钢化真空玻璃支撑应力与变形也随之增大;支撑柱高度对钢化真空玻璃的支撑应力与变形影响较小;支撑柱直径增大,钢化真空玻璃的支撑应力与变形呈现下降趋势。综合制造工艺及支撑稳定性考虑,建议钢化真空玻璃的支撑
细胞结构的数学分析是生物学理论化的一个研究方向。以一种特定的栅藻即2-细胞龙骨栅藻为例,在现有的绿藻细胞成形机理分析基础上,提出细胞水平受力与纵向受力不均造成了细胞形态的变化,通过细胞受力分析和变分模型引入带权参数建立了椭圆形的细胞数学模型。构造了以面积为目标函数,周长为约束条件的Lagrange函数,从而达到细胞成形机理的分析。还利用已有的细胞数据进行仿真分析,对模型进行了误差分析和模型比较。结
由于网络数据库中缺失数据具有噪声,导致网络数据库不完整信息填充结果偏差较大,提出基于多元回归KNN的网络数据库不完整信息填充方法。采用灰色关联度计算方法对数据库中的不完整信息进行检测,根据检测结果,利用信息熵的属性约简算法,对不完整信息进行约简处理。采用多元回归KNN方法计算网络数据库中目标数据与完全值数据矩阵中所有数据记录的欧氏距离,并选出欧式距离最小的数据记录作为目标数据的最近邻,判断目标数据
传统的基于轮廓的角点检测算法常常会因为阈值选择不当,使检测准确率降低。针对上述问题,提出一种多支撑区域下模式化的角点融合方法。首先计算曲线上各点的曲率值,然后对曲线上的点进行初步筛选并分组,使曲线上相邻且曲率相近的点分为一组,在每组中选取局部曲率极大值点作为备选角点,再修改支撑区域,重复上述步骤,产生多组备选角点,最后对轮廓曲线进行模式划分,在不同模式下进行角点融合。实验分别在旋转变换和伸缩变换下
传统算法不能有效结合半结构化数据特征,在进行算法运行过程中所查询的数据量较少,且时间较长。于是基于群体智能研究了一种新的半结构化数据查询算法。采用粒子群优化算法建立半结构化数据查询模型,标记空间内的数据特征,运用中心-离散算法对计算模型数据中的不同粒子类型进行查询,在不同范围内实现对数据的查询与搜索。采用映射方法形成数据查询模型集合,并利用映射关系与有向图中的数据内容建设半结构化数据模型储存空间,