【摘 要】
：
针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN).CWGAN-DN N通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率.首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训
【机 构】
：
空军工程大学防空反导学院,西安,710051
论文部分内容阅读
针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN).CWGAN-DN N通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率.首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测.在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5％,AUC下降了2％;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3％、F1分数和AUC提升了1％.
其他文献
为了研究气液同轴敞口型离心喷嘴的自激振荡特性,采用阴影法和动态测量系统开展了常温大气环境中的喷嘴雾化试验.喷嘴自激振荡时,出口附近存在明显的周期性雾化过程,上游瞬态压力形成周期性脉动,压力脉动、噪音和雾场图像频率高度一致,范围约为1583～5634 H z.通过试验分析了喷嘴流量特性规律,在雾场稳定时和自激振荡时气相与液相相互阻塞均会造成喷前压力升高,液相流量对气相喷前压力影响较大.喷嘴自激振荡频率随气相和液相流量增长,相对液相流量较为敏感,液相流量增至一定临界值,自激振荡消失,而气相流量增长始终伴随自激
为研究航空等离子体点火器的射流特性,采用纹影摄像技术记录了等离子体射流的形成及发展过程,研究来流环境下横向来流速度对航空等离子体点火器射流特性的影响规律.结果表明:在横向来流条件下,来流速度的增大会使得射流偏转角增大,当横向来流速度v m=5 m/s时,射流偏转角θ=15.9°,当横向来流速度vm=20m/s时,射流偏转角θ=77.1°,来流速度增大15m/s,射流偏转角增大3.8倍;同时来流速度增大时,会加大等离子体射流动量与热量的损失速率,导致等离子体射流穿透深度、射流速度、射流面积及射流面积变化率均
波形分集阵列雷达作为一种将频率分集阵列与多输入多输出结构相结合的雷达新体制,在主瓣干扰抑制领域具有极大的应用前景.针对基于对数稀布阵的FDA-M IM O随队干扰抑制方法展开分析.首先将对数稀布阵引入FDA-M IM O体制,通过采用非线性频控函数改进基本FDA“S型”波束图带来的多极值问题;然后通过RCB算法修正随队干扰抑制过程中出现的导向矢量失配问题;最后,仿真验证了当目标与干扰在距离维可分但角度维较为接近时,该方法可在保持主瓣增益的同时实现对干扰的有效置零,从而为随队干扰的有效抑制提供了新的思路.
针对交叉跑道相关运行模式下复飞引起的进离场冲突问题,提出规划交叉跑道冲突全域以保持进近复飞与离场航空器的飞行间隔.将交叉跑道冲突全域分解定义为前窗和后窗,依次建立直接交叉汇聚和非交叉汇聚跑道前窗、后窗的碰撞风险评估模型,并研究跑道交叉角度对侧向、纵向和垂直3个方向以及总体风险的影响程度.选取成都天府机场非交叉汇聚跑道组和美国威奇托机场直接交叉汇聚跑道组为实例进行仿真分析,结果表明天府机场冲突全域的范围为进近跑道入口前11.89 km至入口后6.44 km,威奇托机场冲突全域的范围为进近跑道入口前10.93
微波关联成像将量子强度关联成像的思想扩展到微波领域,不仅很好地解决了传统雷达无法进行高分辨凝视成像以及复杂的运动补偿等问题,还具有分辨率高、抗干扰能力强等特点,受到广泛关注.针对微波关联成像传统重构算法在低采样数条件下重构质量差问题,将残差网络和卷积神经网络应用于微波关联成像重构中,提出一种基于残差网络的微波关联成像方法,以雷达接收机回波数据作为网络的输入,依次通过训练好的特征提取网络和图像增强网络,进行高质量图像反演,并将文中算法与伪逆算法和压缩感知算法进行仿真对比分析.仿真结果表明:在相同采样率下,文
针对现有恶意代码检测模型对恶意代码及其变种识别率不高,且参数量过大这一问题,将轻量化卷积Ghost、密集连接网络DenseNet与通道域注意力机制SE相结合,提出一种基于Ghost-DenseNet-SE的恶意代码家族检测模型.该模型为压缩模型体积、提升识别速率,将DenseNet中的标准卷积层替换为轻量化Ghost模块;并引入通道域注意力机制,赋予特征通道不同权重,用以提取恶意代码的关键特征,提高模型检测精度.在M alim g数据集上的实验结果表明,该模型对恶意代码家族的识别准确率可以达到99.14％
针对GNSS信号中断时组合导航系统误差迅速发散的问题,提出了使用循环神经网络(RNN)来辅助组合导航系统的方法,RN N可以分别基于当前和过去的位置以及速度样本进行训练,使神经网络更好地处理系统中的时序信号,从而能够更加精确地预测SINS的位置和速度误差.采用无人机飞行试验数据验证了该算法在卫星信号中断时导航精度平均提升了77％,并且满足导航所需的实时性要求,与传统的径向基神经网络辅助的组合导航系统相比,其位置和速度的均方根误差平均降低了39％.
针对现代通信技术的快速发展对天线的智能化和高集成提出越来越高的需求,设计并制备了一种基于S PiN二极管的硅基固态等离子体可重构天线,S PiN二极管作为天线基本辐射单元设计在高电阻率的硅衬底上,通过施加合适的正向偏压在本征区内部形成固态等离子体区域,从而有效提升了天线系统集成度和动态可重构能力.仿真与实测结果表明,二极管本征区内部固态等离子体浓度超过了1018 cm-3,基于优化S PiN二极管的新型高集成可重构单极子天线通过控制天线不同单元的导通与截止实现了谐振频率在8.83 G H z和9.71 G
为了满足飞行试验轨迹的试验测量需求,构建了一种高性能飞行试验目标轨迹测量系统.在此基础上,针对实际飞行测量中遇见的异常数据处理问题,提出了一种基于多机器学习改进的自适应Kalman滤波方法.该方法以传统的无迹Kalman滤波器(UKF)为基础,首先,通过引入采用遗传算法改进后的BP神经网络(GA-BPNN)来改进UKF算法,以实现对UKF全局误差的调控和修正,从而改善UKF的估计精度;然后,应用抗野值技术来充分剔除测量中的孤立型和斑点型异常点,实现对GA-BPNN-UKF的再次改进,有效提高滤波的鲁棒性;
随着科学技术的快速发展,防空反导装备显控台传统的人机界面已经无法适应作战过程中信息量激增、时间压力变大的变化,为了提高操作绩效,降低操作人员的认知负荷,在界面设计的过程中需要更加强调“以人为中心”的设计理念,将直感交互设计理念融入设计过程中.首先通过分析指控舱里各个显控台人机交互界面,指出其中存在的问题;采用模糊层次分析法进行布局原则的量化,建立布局优化模型;结合操作人员的操作习惯、认知和心理特性确定目标子函数,利用遗传算法进行界面的布局优化设计.其次,考虑到界面评价指标的模糊性,提出一种多属性模糊综合评