公共文化服务平台

搜索到6289篇“ 入侵检测算法“的相关文章

AE-EM:一种期望最大化Web入侵检测算法: 2025年; 现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上,在处理基于签名和异常的入侵时效果显著,但耗时费力。在面对Web入侵场景时,现有方法将检测模式重心放在网络流量分析(NTA)上,对URL携带的负载信息和流量之间的关联语义信息提取不足,异常检测效果有待提升。提出一种无监督算法,名为注意力扩展期望最大化算法(attention expand expectation-maximization algorithm,AE-EM),该算法提取应用层URL中的攻击负载语义,采用Attention机制混合编码网络层流量结构化数据,训练融合多维特征和关联应用层语义的向量作为算法的输入,使用轻量化期望最大化算法估计高斯混合模型的参数,用于网络安全入侵检测的Web入侵检测场景。通过在基线数据集上使用常用的学习算法和消融实验比较,提出的AE-EM算法在Web入侵检测领域准确率和性能上优于传统算法。; 尹兆良黄于欣余正涛; 关键词：入侵检测 EM算法

基于红外与可见光融合的铁路异物入侵检测算法研究: 2025年; 随着我国铁路网的不断完善,周界入侵的准确检测成为重要的研究问题。针对单一RGB相机的成像效果差、检测鲁棒性差的问题,本文提出了一种铁路红外与可见光融合的入侵检测算法,在远景内使用改进的ViBe算法对红外图像进行粗检测,确定坐标后使用可见光相机进行细检测。首先,对红外热成像相机实时采集的视频数据进行图像增强;其次,利用基于像素模型的前景分割算法分离出运动目标;再次,利用形态学操作提取出较完整的疑似入侵物体,对入侵目标进行定位,根据定位信息调整可见光相机的姿态;最后,使用YOLOv5算法对可见光图像进行检测。将算法部署到嵌入式设备上进行检测实验,实验结果表明该算法满足全天候的实时性和准确性,在工程应用上有较好的前景。; 贾冠伟李荣喆柯举; 关键词：重载铁路红外图像目标检测

一种基于深度策略梯度的入侵检测算法: 本发明公开了一种基于深度策略梯度的入侵检测算法。该算法利用LSTM擅长处理时序数据的特点，在DPG算法的基础上，采用深度学习中的Long Short Term Mermory network(LSTM)代替Determi...; 郭薇张国栋周翰逊胡叶帅

一种基于随机矩阵理论的入侵检测算法: 本发明公开一种基于随机矩阵理论的入侵检测算法(Robust Intrusion Detection,RID)，该算法可以检测网络的非法访问。利用随机矩阵理论的Marcenko‑Pastur定律，协方差矩阵的特征值服从一个...; 樊绍锋胡永东

一种基于深度神经网络的空间区域入侵检测算法: 本发明公开了一种基于深度神经网络的空间区域入侵检测算法，可用于对划定空间区域的异物入侵进行精确的智能检测，可应用于在智能安防领域。该发明主要包括：根据公开的目标检测数据集，构建训练集、验证集和测试集；构建基于深度神经网络...; 请求不公布姓名

无线传感网络中一种基于RF-GAN模型的入侵检测算法被引量：1: 2024年; 针对现有无线传感网络入侵检测算法存在的效率低、精度差等问题,提出基于RFGAN模型的无线传感网络入侵检测算法。首先,采集无线传感网络运行数据,通过去噪、缺失补偿等步骤,完成对原始数据的预处理;然后,利用RF-GAN模型提取无线传感网络运行特征;最后,通过提取特征与检测标准的匹配,得出网络入侵检测结果。理论分析及实验结果表明:优化设计方法的入侵类型误检率明显更低,入侵数据量检测误差为0.015GB,相较于现有检测算法具有一定优势。; 黄俊萍; 关键词：无线传感网络网络入侵检测特征提取

一种改进YOLOv5的区域入侵检测算法: 2024年; 针对现有基于传感器的入侵检测技术误报率高、存在安全隐患等问题,提出一种改进YOLOv5的区域入侵检测算法:以YOLOv5为基础,在Backbone中引入CBAM注意力机制,增强网络对特征的提取能力;在Neck中增加操作层继续对特征图进行上采样处理,并将操作后获取到的特征图与Backbone中第二层的特征图进行Concat融合,以此获取更大的特征图进行小目标检测;结合掩膜法与图像像素坐标系划分警戒区域,对进入警戒区域的可疑目标进行检测,以防止非法入侵的发生.实验结果表明:入侵检测算法mAP值为83.4%,分别较YOLOv5、YOLOX、SSD、Faster-RCNN提高1.8%、17.3%、28.2%、40.6%,检测速度达25.4 frame/s,仅次于YOLOv5,能够满足真实安防场景下对入侵目标的检测需求,且具备良好的泛化能力.; 陶晶吴浩; 关键词：入侵检测小目标检测

基于对抗性双通道编码器的网络入侵检测算法: 2024年; 针对网络流量数据不平衡引起少数类攻击检测率低的问题,提出一种基于对抗性双通道编码器的入侵检测算法。分别采用正常流量和攻击流量来训练变分自编码器模型,构建基于自编码器派生流量数据的多通道表示形式的新特征向量,驱动生成对抗网络的生成过程朝向目标类,生成的少数类图像,有效地扩充数据集;通过引入CBAM模块来改进生成器的网络结构,融合通道和空间两个方向的特征,增强模型的特征提取能力;将判别器输出调整为单目标分类并加入softmax层,输出Fake、Normal和Attack结果,避免生成器生成无法与所需类型匹配的图像而获得奖励,提高生成图片的质量。实验结果表明,该方法能够有效降低误报率以及提高未知攻击的检测精度,尤其在不平衡数据集中具有更多的优势。; 金诗博张立; 关键词：入侵检测算法

基于深度学习的物联网入侵检测算法研究与实现: 物联网的快速发展改变了多个行业的运作方式,现已成为现代社会的关键组成部分。然而,随着物联网设备数量的快速增加,这些设备由于提供了获取有价值数据的新途径,因而引起了网络黑客的广泛关注。这导致一系列安全问题,包括数据泄漏、恶...; 向艳; 关键词：入侵检测系统

相关作者