一种基于Petri网模型的系统动态安全性分析方法

针对目前安全分析方法通常只能给出导致系统失效的事件发生序列,而对系统运行过程中的一些时序、动态等因素考虑不足等问题,提出了基于Petri网模型的系统安全性动态分析方法,并结合系统状态可达树,建立了系统动态安全性分析模型,得出导致系统失效的所有可能事件的序列及其发生概率.最后,以实例验证了该方法的可靠性和有效性.     

基于规则优化与排序的恶意代码匹配检测

恶意代码已在网络和主机系统中造成了严重的危害,对恶意代码进行有效的检测与防御已成必然。在综合现有一些恶意代码检测技术的基础上,提出了一种基于规则优化与排序的恶意代码匹配检测方法,并对检测系统的整体结构和功能模块进行了详细的描述。运用将面向协议特征变换为面向内容特征进行搜索匹配的思想,减少特征库中规则的条数,改进了特征库中规则的形式化描述。采用规则匹配成功的频繁度对规则在特征库中的位置进行了排序,以减少匹配搜索的深度,提高检测速度,同时对规则的形式化描述进行了相应的扩展。另外,为了获取更好的检测性能,改进了BM算法,通过设计匹配转移二维数组实现了搜索跳转。研究结果证明,该方法可节省时间,算法的效率高。     

基于模糊-组合神经网络的信息系统安全风险评估

针对信息系统的安全风险评估问题,提出了一种将模糊理论与神经网络进行"浅层次"结合的评估方法。通过对信息系统所涉及的风险因素分别从资产影响、威胁频度、脆弱性严重程度三方面进行分析,建立了信息系统的安全风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对信息系统的安全风险进行评估,进而判定信息系统安全风险等级。最后,通过实例分析说明了算法的应用,并借助误差分析检测了模型的有效性。     

基于多维频繁序列挖掘的攻击轨迹识别方法

针对传统攻击轨迹识别方法处理时序数据效率较低且无法全面反映告警各维属性变化规律的不足,首先基于前缀-投影思想,设计了不产生候选集的频繁告警属性序列挖掘算法;然后,利用时间窗分割全局攻击类型序列和全局攻击目标序列,挖掘出网络中频繁攻击行为序列和频繁攻击目标序列,并利用目的IP分割全局攻击类型序列,挖掘出针对单个主机的组合攻击模式,进而全面识别网络和主机上的攻击轨迹;最后,在典型分布式拒绝服务攻击场景LLDoS1.0inside的流量数据集中验证了以上方法的有效性。     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ　模糊规则给出了一种系统预测模型，分别用模糊Ｃ－均值聚类算法和线性回归方法导出模型参数．利用该模型对舰船维修经费进行了预测，并进行了精度分析．     

舰船推进轴系设计方案的综合评估

探讨了将多目标决策理论应用于舰船推进轴系设计方案综合评估的方法 ,建立了推进轴系设计方案的多层次评估模型 ,讨论了基于层次分析法评估指标权值确定的矢量计算方法 ,给出了运用模糊隶属函数的底层典型定量指标的确定方法 .文中论述的方法对舰船推进轴系设计方案的科学评估决策具有实用价值     

船舶电力系统可靠性评估的自适应模糊Petri网方法

针对船舶电力系统可靠性建模难的问题,提出了一种适用于电网结构可靠性估计的自适应模糊Petri网模型。该模型首先给出了模糊神经Petri网定义及其适用于可靠性建模的引发规则,并在此基础上提出一种学习算法。该算法既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后,建立了船舶电力系统可靠性评估模型,并通过定性分析和定量计算,验证了该模型和算法的有效性。     

一种面向复杂系统的模糊可靠性分配方法

针对系统研制初期的不确定的约束条件与设计目标 ,进行了复杂系统模糊可靠性分配建模 ;结合遗传算法理论 ,考虑了一般系统的求解 ;实例分析验证了所提出方法的性能和可行性 .     

一种模糊学习Petri网模型及其收敛性分析

Petri网是对具有产生式规则的故障诊断系统建模的有力工具,但其学习能力不强。以Petri网的基本定义为基础,结合模糊逻辑和Petri网模型,并在此基础上引入人工神经网络技术,定义了模糊学习Petri网模型。模型中的隐含库所和变迁将人工神经网络中隐含神经元内部信息处理过程明确化,然后对该模型提出一种逐层调整变迁阈值的训练算法,该算法通过逐层调整的方式来获取变迁的阈值,改善了网络的学习效率,并对算法的收敛性进行了证明。最后,以故障推理实例验证了算法的有效性与实用性。     

级联SINS/GPS系统的相关卡尔曼滤波

针对级联式 SINS/ GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题 ,提出了一种相关程度未知条件下的估计量最优融合算法 ,并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法。通过对一套 SINS/ GPS数据的计算 ,证明了新算法是成功的