国家自然科学基金(61301122)
- 作品数：9 被引量：46H指数：3
- 相关作者：朱江张海波李方伟陈善学刘开健更多>>
- 相关机构：重庆邮电大学北卡罗来纳州立大学更多>>
- 发文基金：国家自然科学基金重庆市自然科学基金重庆市教委科研基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于注意力机制的GRU神经网络安全态势预测方法被引量：19
- 2021年
- 传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization,PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。
- 何春蓉朱江
- 关键词：网络安全态势预测粒子群优化算法
- 基于用户选择的协作频谱感知研究
- 随着通信业务的快速发展以及社会和经济的全球化,无线通信已经成为全世界人类不可或缺的一部分。然而由于频谱利用率较低导致了频谱资源严重短缺,并逐渐成为互联网进一步发展急需解决的关键问题。为了提高频谱资源利用率,认知无线电技术...
- 张劲
- 关键词：协作频谱感知用户选择能量效率
- 文献传递
- 超高层建筑内爬外挂塔式起重机循环组合挂架测试技术被引量：1
- 2015年
- 传统的附着式塔式起重机未能满足现有施工要求,内爬外挂塔式起重机成为一种新型的垂直运输形式。由于超高层建筑塔式起重机具有起重量大、吊距远、吊次多等特点,支撑塔式起重机的外挂架就显得特别重要。对某超高层建筑的内爬外挂塔式起重机循环组合挂架进行现场测试,分别监测塔式起重机负载运行和自身爬升过程中外挂架各组成构件应变分布和相互之间的转角变化。根据测试的结果分析外挂架各构件受力大小和特点,从而保证这种新型的垂直运输形式的安全。
- 李方伟彭著勋朱江
- 关键词：高层建筑塔式起重机
- OFDMA毫微微小区双层网络中基于分组的资源分配被引量：3
- 2016年
- 毫微微小区(Femtocell)网络能够增强室内覆盖,提高系统容量,但是在频谱共享的正交频分多址(OFDMA)毫微微小区网络中,毫微微小区之间的同层干扰以及毫微微小区与宏小区(Macrocell)之间的跨层干扰严重限制了系统的性能。针对这两种干扰,该文提出一种基于分组的资源分配算法。该算法包括两部分:一部分是宏基站先利用改进的匈牙利算法为宏小区用户分配信道,再用注水算法分配功率,保证宏小区用户的正常传输;另一部分是在避免干扰宏小区用户的基础上,先采用模拟退火算法对毫微微小区进行分组,再进行信道和功率分配,满足毫微微小区用户的数据速率需求,最大化频谱效率。仿真结果表明,该算法有效地抑制了这两种干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。
- 张海波穆立雄陈善学彭焦阳
- 关键词：无线通信资源分配正交频分多址
- 基于复杂样本的安全态势要素分类架构被引量：1
- 2022年
- 针对网络安全态势要素获取中大规模复杂攻击样本分类困难的问题,提出一种基于条件变分自编码网络的安全态势要素分类架构。该架构分为编码网络和生成网络两部分,均采用深度神经网络作为其基础框架。编码网络用于对高维数据进行降维,提取其隐含特征;生成网络用于对降维后的样本进行重构,生成新的样本。在生成网络中引入混合密度模型优化其特征提取能力,提高重构数据的准确性。采用训练数据对该架构进行训练,训练后的编码网络作为分类器,识别样本类型;生成网络生成指定类别的样本数据,以平衡复杂样本中各类攻击样本的数量,提高分类精度。仿真结果表明,与其他对比模型相比,所提分类架构具有较好的降维效果和较高的态势要素分类精度。
- 何春蓉朱江张欣
- 基于NAWL-ILSTM的网络安全态势预测方法被引量：15
- 2019年
- 安全态势是网络安全预警的前提。各种复杂网络环境中的网络攻击行为给网络带来了意想不到的挑战,导致网络负载增加和网络故障等突发网络安全事件随时都会发生。因此,针对网络安全态势时间序列的不确定性、非线性等特点,为了提高网络安全态势预测的精度,提出了基于改进Nadam和改进长短期记忆网络(NAWL-ILSTM)的网络安全态势预测方法。首先,利用一种在线更新机制改进长短期记忆网络(LSTM)以建立态势时间序列预测模型,它可以实时地对接收到的在线观测数据进行参数更新,使代价函数最小化,从而解决了传统LSTM网络模型不能合理地利用网络系统在线传送数据的问题,在优化参数更新的同时也大大提高了LSTM模型的预测精度;然后,针对神经网络训练过程中收敛速度较慢和训练成本较高的问题,采用Look-ahead方法对Nesterov加速梯度的自适应估计动量算法(Nadam)的更新公式进行改进,以加快模型的收敛速度,从而加快了ILSTM预测模型的训练速度,减少了训练的时间和成本。基于Python在tensorflow环境下进行仿真实验,结果验证了所提的基于在线更新机制的LSTM预测模型的合理性,通过收敛性分析和算法对比得出了NAWL算法具有更快的收敛速度的结论。最后,与其他预测模型的对比结果表明了NAWL-ILSTM预测模型在态势时间序列分析中具有更强的适用性和更高的准确性。
- 朱江陈森
- 关键词：网络安全态势预测
- 基于D2D的异构网络中资源分配算法研究
- 近年来,移动设备数量急剧增长,视频流服务需求日益增加,致使频谱资源变得极为稀缺。作为5G的关键技术之一,设备到设备（Device-to-Device,D2D）通信技术允许物理位置相近的终端设备建立直接通信链路传输彼此间的...
- 黄旭
- 关键词：D2D资源分配能量效率
- 文献传递
- 多媒体多播组播单频网中免干扰动态信道分配
- 2015年
- 为了避免多媒体多播组播单频网(MBSFN)区域内部和区域之间的干扰,进一步提高频谱效率,该文提出一种改进的基于噪声调节时滞噪声混沌神经网络(NHNCNN)的动态信道分配方法。首先,根据MBSFN区域的特殊拓扑结构,重新定义了4种电磁兼容限制函数,在此基础上精心构建了免干扰的NHNCNN能量函数。其次对NHNCNN的稳态判定进程加以改进以提高系统的收敛速度。特别地,采用类二分法联合NHNCNN去搜索最小信道分配总数。仿真结果表明,利用富足的NHNCNN时滞、噪声和混沌神经动力,所提算法能有效地搜索到合理解,并最终找到全局最优解,提高了频谱效率。与现有方法相比,所提算法能够实现更好的收敛速度和合理解率。
- 张海波刘盈娜李方伟刘开健
- 关键词：抗干扰动态信道分配
- 基于BN-DBN的网络安全态势要素获取机制被引量：3
- 2019年
- 为了提高深度信念网络(DBN)的收敛速度以及提高小样本条件下的态势要素的获取精度,提出一种基于批量归一化(BN)的DBN安全态势要素获取机制。一方面在DBN中加入BN以解决梯度消失问题并稳定网络训练;另一方面在DBN输出层提出一种改进的主动学习(IAL)算法反向微调DBN,在每次迭代中主动选择训练样本来平衡样本种类。理论分析和实验数据仿真结果表明该机制能够解决DBN收敛速度过慢、梯度消失以及小类样本分类不准确问题,同时在获取精度、收敛速度以及算法复杂度上优于未改进的DBN态势要素获取机制。
- 朱江王婷婷
- 面向样本不平衡的网络安全态势要素获取被引量：3
- 2022年
- 针对传统的网络安全态势要素获取模型中,当样本分布不平衡时,占比很少的样本(统称小样本)不能被有效检测,准确识别到每一类攻击样本成为研究热点之一。利用深度学习提出了一种面向样本不平衡的要素获取模型,利用卷积神经网络作为基分类器提取网络数据的深层特征,其次使用GAN生成对抗网络扩充小样本的方法,解决样本分布不均衡问题。在扩充后的平衡数据集上采用迁移学习,加快基分类器到适应于小样本的新分类的训练时间。在NSL-KDD数据集上的实验表明,经过生成对抗网络扩充后的数据集,结合迁移学习有效加快了模型训练收敛速度,并有效提高网络安全态势要素获取的分类精度。
- 张欣朱江
- 关键词：卷积神经网络
