【摘 要】
：
在这个信息技术飞速发展的时代,网络逐渐成为人们生产生活不可或缺的一部分,与此同时许多网络空间安全问题也日益凸显。网络流量异常检测是网络安全领域研究的重要方向,本文以胶囊网络（Capsule Network,CapsNet）为基础,研究网络流量异常检测算法,提出基于SMOTE-Tomek混合采样和胶囊网络的网络流量异常检测模型。本文的主要研究工作如下:首先,研究分析CapsNet的工作原理,算法架构
论文部分内容阅读
在这个信息技术飞速发展的时代,网络逐渐成为人们生产生活不可或缺的一部分,与此同时许多网络空间安全问题也日益凸显。网络流量异常检测是网络安全领域研究的重要方向,本文以胶囊网络（Capsule Network,CapsNet）为基础,研究网络流量异常检测算法,提出基于SMOTE-Tomek混合采样和胶囊网络的网络流量异常检测模型。本文的主要研究工作如下:首先,研究分析CapsNet的工作原理,算法架构和优化算法,提出了一种基于CapsNet的网络流量异常检测模型。通过利用胶囊网络对图像更强的特征提取能力,将数据集的数据进行图像化处理。并使用控制变量的方式设置不同组的对照实验来对模型中的超参数进行调优。实验结果表明,基于胶囊网络的异常检测模型在实验中的平均召回率为0.9606,平均Macro-F1值为0.8933,与其他算法相比有所提升。然后,针对数据集不平衡的问题,本文通过混合采样的方法使得样本数据趋于平衡,提出了一种基于SMOTE-Tomek混合采样和CapsNet（SMOTE-Tomek Capsule Network,ST-CapsNet）的网络流量异常检测模型。SMOTE-Tomek作为一种混合采样的方法,对不平衡数据集少数类的检测能力的提升有显著效果。而胶囊网络自身并没有对不平衡数据集的优化,这会限制其在不平衡数据集中的检测性能。本文所提出的ST-CapsNet模型,在数据集图像化处理阶段将SMOTETomek混合采样方法融合其中,以此提高对少数类的检测能力。最后,本文的实验在KDD CUP 99数据集上进行,在多分类问题下验证模型效果。本文使用多个不同的评估指标作为模型性能的评估标准,其中包括精确率,召回率,F1值等。在KDD CUP 99数据集中的实验结果表明,本文提出的STCapsNet在实验中的平均Macro-F1值为0.9282,与CapsNet相比提高了0.0349。与其他深度神经网络相比,ST-CapsNet也有不错的表现。
其他文献
二氧化碳排放所导致的全球变暖问题给生态环境带来了不可逆的破坏,实现“碳达峰、碳中和”目标已成为世界各国共同努力的方向。努力提升可再生能源发电占比则是持续推进碳减排,助力碳中和最终目标实现的重要手段。风电作为可再生能源发电的主要形式,也必将迎来大规模的发展。然而由于风电自身所固有的间歇性、随机性及波动性特点,其大规模并网会给电力系统带来较大的随机波动功率,对系统频率带来不利影响。自动发电控制（Aut
无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,
舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰
无人驾驶列车系统是随着时代发展应运而生的产物,安全性、高效性和舒适性是其发展的核心要素和重要的设计指标。列车从人工驾驶到无人驾驶的转变对控制系统提出了更高的设计要求。同时,现代通信硬件设施和技术手段的发展,以及移动闭塞技术的广泛应用,保证了列车之间的信息交互,也促进了多列车协同控制的发展。随着人们对于出行的需求提升,乘客的乘车舒适性被列入列车控制系统的设计指标中,这是在列车保证安全高效运行的基础上
随着计算机立体视觉技术研究的深入,三维扫描技术得以不断发展,与其相关的点云数据处理技术也逐渐成为研究热点。点云边缘是用来描述目标物体轮廓边界的测量点集合,是理解和表达三维物体几何特征的基础,而对点云边缘的高精度提取也是实现点云目标物体参数高精度测量的前提条件。从点云边缘的完整提取和精确定位出发,本文提出一种基于法向量夹角均值与加权法线迭代的点云边缘提取算法,同时使用基于非边缘结构信息的点云优化方法
振动在生活中十分常见,如大型旋转机械的振动、车辆行驶引发的振动、铁路、桥梁和建筑物的自振等,这类振动的频率较低,一般在10 Hz以下。磁电式振动传感器是一种具有较低使用频段的测振传感器,而现有的磁电式振动传感器自然频率较高,其低频测量下限难以满足低频测量的要求,因此,需对其低频特性进行补偿。同时,对磁电式振动传感器工作性能的评估需要分析其自身的噪声水平,自噪声水平也是实时判定测振传感器是否劣化以及
21世纪开始,工业生产中工业机器人占比不断增加,对其性能的要求也不断提高。工业机器人的普通末端执行器由于其专门性,只能完成单一简单的抓取动作,已经很难满足日益复杂的操作要求。多指灵巧手作为新型的末端执行器,因其在抓取上具有良好的通用性和适应性,可以完成复杂和多样的操作任务,有重要的研究意义和应用前景。目前绝大多数的多指灵巧手为串联结构,采用的驱动方式为欠驱动,使灵巧手存在稳定性差和精度低等缺点,同
离线手写签名认证是利用个人手写的签名图像对其进行身份认证的技术,具有成本低、易于接受等优点,在安全、金融、司法、刑侦等领域中都有十分重要的应用。近年来,随着深度学习等方法的兴起,离线手写签名认证系统的性能不断提高。然而,在实际应用中,由于精心伪造的签名与真实签名区分度较小,并且同一个人在不同时刻的签名差异较大等难点,高精度离线手写签名认证仍然是一个具有挑战性的研究课题。针对离线手写签名认证技术,本
随着互联网与计算机技术的快速发展及广泛使用,网络上数据日渐庞大,维护网络空间安全已成为网络与计算机安全发展极为重要的一部分。近年来网络安全事件频频发生,恶意代码对计算机造成的安全威胁不可小觑,严重危害国家、社会和个人的隐私安全和经济利益,同时,对恶意代码的特征提取、检测、分类以及对未知新型恶意代码的检测的能力在网络空间安全领域起到了至关重要的作用。恶意软件制作者为了躲避检测查杀,往往对恶意软件通过
自主导航技术是地面无人车的核心技术,是人工智能领域研究的热点问题。地面无人车的自主导航一般分为感知、定位、路径规划与控制这四个部分。路径规划问题作为地面无人车研究中不可或缺的一部分,具有非常重要的研究和应用价值,虽然目前有许多学者提出各种各样的算法来分析、解决这个问题,但是行之有效的方法并不多,这就是本文继续研究路径规划问题的必要性。本文内容和研究成果如下:（1）实现了基于改进A*算法的全局路径规