基于机器学习的无线通信网络安全漏洞智能监测系统

来源 :电子设计工程 | 被引量 : 0次 | 上传用户:sparkman007
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
针对传统无线通信网络安全漏洞监测系统监测精度较低、耗时长等问题,提出基于机器学习的无线通信网络安全漏洞智能监测系统。在监测系统硬件设计中,根据无线通信网络总体架构,以及无线通信网络数据特征,将其划分为漏洞数据采集模块、漏洞数据扫描模块及网络安全漏洞智能监测模块。在漏洞数据采集模块中,利用无线数据采集器在漏洞数据库中采集漏洞数据,并根据漏洞数据的属性,在漏洞扫描器中接入XSS漏洞检测插件,对无线通信网络漏洞进行扫描;在进行无线通信网络漏洞数据信号追踪时,监测漏洞数据的系统会话操作。软件部分引入机器学习智能算
其他文献
针对传统医疗数据采用中心化储存方式存在数据泄露和被篡改等风险的问题,文中使用区块链技术开展了医疗信息安全策略的研究。基于对医疗数字化过程中出现的安全问题进行深入的分析,构建由患者或用户、医院等医疗单位、智能医疗设备公司以及数据中心四方构成的数据传递模型;采用主链和从链的区块链系统结构将患者敏感医疗数据与用户身份信息数据分离;通过使用拜占庭容错算法增强区块链新节点的质量,且引入第三方评判机构来评判患者节点以及数据产生、使用者是否可信,从而加强区块链结构的安全性。数据测试结果表明,与单链区块链相比,多链区块链
导航信号是连接空间卫星和地面用户端的枢纽,是卫星导航定位系统中最重要的部分之一,其优劣直接影响后续的定位、测速、授时等性能。该文利用国家授时中心40 m高增益天线对GPS III首星进行多次信号采集及比对分析工作,从GPS III L1频点调制矢量及频谱分布入手,对L1频点载波相位存在"滑动"现象进行了深入剖析,得出该现象主要源于L1M信号。利用C/A码解析出授权信号M码,定量分析了L1频点信号分
为应对智能电网规模不断扩大带来的故障信号监控与预警压力,设计了一种基于数据分析的电网故障信号预警系统。系统总体上基于Hadoop大数据框架设计而成,具体包括人机交互模块、监控模块、故障诊断模块和数据显示模块;在监控预警算法上构建了卷积神经网络模型,确定故障类别的层次,并基于熵值法区分最终的故障属性特征。测试结果显示,该系统的故障信号电流、电压测试过程均不存在异常波动,数值采样方差值能够被控制在0.01以内。