摘要：针对WM算法在模式集规模大且最短模式长度小的情况下性能较低的问题,分析了WM算法及其改进的快速WM（QWM）算法的优缺点,在此基础上提出了模式分集思想,并优化了跳跃和确认机制,设计了子集WM（SWM）算法;然后针对该算法在域名过滤中的应用,对hash函数、匹配顺序等进行进一步优化.针对域名过滤的实验结果表明,当模式数量超过10 000条时,SWM算法匹配时间是WM算法的8.9%-11.6%,说明SWM算法在模式集规模较大时,匹配速度能显著提高.

摘要：针对多目标优化算法在搜索中存在平衡解的收敛性和多样性问题,通过分析多目标分解进化算法,提出2种改进平衡策略。基于当前解和父代解的取值,设计繁殖算子,并与原有繁殖算子进行比较选出最优解。根据执行代数的不同,对邻居集合进行适应性调整。在此基础上,给出多目标分解进化算法。实验结果验证了2种平衡策略的有效性,同时该算法性能优于MOEA/D算法、NSGAII算法和IBEA算法。

摘要：针对实时、多源、海量数据条件下用户所需信息的获取问题,提出一种面向对象的、基于多智能体协同的多源信息搜索模型,以对象为中心,在反馈循环搜索的过程中,完善对象描述模型并实现多源数据中关联对象信息的获取,提高多源信息获取的全面性和准确性。设计基于Q学习的协同控制算法,针对马尔科夫对象与非马尔科夫对象给出相应的决策方法。实验结果表明,该协同控制算法比概率转移矩阵及概率统计算法具有更好的信息获取能力。

摘要：网络空间威胁发展呈现出主动性、隐蔽性、泛在性的特点,向传统被动式、局域性、孤立化的网络防御模式提出了严峻挑战。针对大数据、人工智能与网络安全融合的新趋势,提出一种跨域协同的威胁预警模式,为网络空间安全防护赋能增效。首先,该模式从网络空间结构出发,通过划分安全威胁域、解析系统功能、设计共享机制,构建具有合纵连横作用的功能框架;其次,为提升威胁信息检测能力,设计了分层司职的协同化技术体系,阐述了威胁信息感知、处理、应用等关键技术;最后,借助应用场景,定性化描述了所提预警模式的能力增量。

摘要：在网络运维管理领域,需要及时发现网络异常并进行提示。网络异常事件与正常数据相比较少,难以作为二分类问题进行处理。同时异常事件丰富多样,没有统一模式和规律。因此,需要对网络正常数据进行建模,利用待检数据与正常数据的偏离程度判定网络异常事件是否发生。通过对正常数据进行建模分析,以Lindeberg-Feller中心极限定理为基础,设计合理的假设检验统计量,对待检数据计算出的检验统计量是否在置信度对应的拒绝域给出异常事件判别结论。最后,用仿真实验证明算法原理,并给出算法在公开数据集和实际数据集上的检测性能,在选择合理的异常事件对应参数后,异常事件召回率可以达到90%以上。

摘要：针对当前APT等新型网络攻击威胁大、检测难的困境，本文改变传统安全设备多数以单点数据进行孤立检测的局限，从多源信息综合关联处理思路出发，提出一种具有主动性、协同化的APT检测方案。文中首先梳理了现有典型检测系统及其特征，其次从设计思路和功能结构对整体方案框架进行了细化描述，进而阐述了方案中流量处理、特征分析、协同智能检测等关键技术，最后以典型工作场景介绍了方案部署情况。所提方案旨在运用大数据和人工智能相关技术，提高网络攻击检测的准度和效率。