基于神经网络的智慧校园网络安全评估

来源 :长江信息通信 | 被引量 : 0次 | 上传用户:ooo2005net
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
智慧校园是以物联网为基础,将校园工作、学习和生活一体化的网络服务系统.随着校园信息化程度越来越高,随之而来的网络安全问题也日渐突出.校园网络一旦被非法入侵,将会有严重的信息泄露风险,因此构建一个安全、可靠的智慧校园网络成为人们关注中的重点.校园网络的可靠性需要一个全面有效的评价指标,传统的评价指标(如贝叶斯网络)比较依赖于主观经验、且精度较低.而文中利用神经网络强大的非线性拟合能力,提出基于神经网络的智慧校园网络安全评估方法.通过将量化的评价指标进行仿真训练得到一组泛化能力强的评价结果,最终得到一组适用性强的评价模型,从而用来评价校园网络的安全情况.
其他文献
为了实现模拟电路的故障诊断,利用Multisim软件的蒙特卡罗分析,在给定电路元器件参数容差的统计分布规律的情况下,其随机采样序列参数由一组伪随机数产生,并用得到的元器件参数来模拟所设计电路的功能.结合电路故障设置,建立了模拟电路故障数据集,利用LabVlEW软件提供的MATLAB script节点进行编程,调用MATLAB软件的神经网络工具箱构建BP神经网络,利用数据集对BP神经网络进行训练,把训练好的模型用于模拟电路故障诊断,通过理论分析等保证了系统的可靠性和准确性,仿真效果好.
由于现在大数据和GPU的快速发展,深度学习也逐渐流行起来,计算机视觉方向的研究百花齐放。目标检测是计算机视觉的研究方向之一,其中小目标检测是目标检测中的重点和难点研究方向,传统的目标检测算法有Faster RCNN、YOLO、SSD等等,尚存在着在小目标检测任务上,检测准确度、错检率、漏检率等指标不够理想的问题。分析了传统目标检测算法的优缺点,基于YOLOv5提出了一种改进的目标检测算法。实验结果
当前冶金工业生产中运用最为广泛的操作系统为PLC控制系统和DCS系统,运用过程中显著提升了冶金作业效率,是对原有作业方式的重要革新.文章介绍了PLC控制系统和DCS操作系统,研究其在冶金自动化中的使用方式及故障诊断过程,两种控制系统在实际运用中分别具有自身不同的优势与不足,在冶金工业生产活动中应当对此予以明晰与合理选择,文章探讨了当前冶金自动化中的PLC控制系统和DCS系统的结构配置与发展,对优化冶金自动化作业提供了一定的参考意见.