摘要：为提高二进制变种协议字段格式划分的准确率,提出一种基于深度学习的方法,能够自动挖掘协议报文序列的深层字段特征完成协议的字段格式划分。引入一种字段列特征数据集的提取方法,在传统的双向长短期记忆条件随机场网络模型的基础上增加协议字段列特征提取模块,搭建一种专门解决二进制变种协议字段格式划分的神经网络PRO-BILSTM-CRF。与二进制未知协议字段格式划分方法以及几种主流网络模型的对比实验结果表明,在变种协议字段格式划分任务上,提出模型能够取得更高准确率。

摘要：在网络协议不均匀环境下,样本流分布变化对协议分类的准确性和稳定性有较大的影响。针对协议分类中类不均匀和中心点选取问题,提出一种基于最大密距的CK-means协议分类算法。算法通过样本确定算法所需阈值参数,通过获取样本密距值在聚类过程中确定初始中心点并剔除离群点。最大密距法适用于非均匀数据集且计算的中心点更趋近于类别中心位置,能够提高聚类的稳定性和结果的可靠性。实验分析表明,相比于其它算法,改进后的算法能够克服噪声和类不均衡对协议分类的不利影响,在协议分类准确率提高的同时也改善了聚类效果。

摘要：本文在介绍高阻抗变压器特点的基础上,揭示了高阻抗变压器在设计过程中存在的主要问题,分析了按传统方法设计高阻抗变压器所造成的阻抗和负载损耗偏差的原因,并依据高阻抗变压器的特点,对阻抗和负载损耗的计算方法提出了相应的改进意见。