石琼
- 作品数：11 被引量：5H指数：2
- 供职机构：中北大学更多>>
- 发文基金：山西省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信化学工程更多>>
- 一种基于层次攻击图的攻击路径分析方法
- 本发明属于网络安全技术领域，公开了一种基于层次攻击图的攻击路径分析方法。首先利用社区发现算法将原网络划分为多个逻辑子网，逻辑子网及其连接关系构成网络逻辑结构；然后基于网络逻辑结构与网络基本信息生成两层攻击图；最后在两层攻...
- 宋礼鹏朱宇辉石琼贾彦丰
- 文献传递
- 基于时序特征的网络流量分类方法被引量：2
- 2022年
- 网络流量数据具有明显的时序特征.针对基于机器学习的网络流量分类方法中,传统机器学习依赖人工设计特征以及深度学习无法兼顾特征自主生成与特征可解释性等问题,采用时序分析方法,提出了一种基于时序特征的网络流量分类方法.首先,将网络流量数据预处理为时序数据;然后,应用Shapelet-Transform算法来自主学习网络流量的时序特征,并改写Shapelet-Transform算法的计算逻辑,且将其部署在GPU上,使其可以快速处理大规模网络流量数据集;最后,结合支持向量机分类算法构造了最优分类模型来实现网络流量分类.公开数据集实验测试结果表明,所提方法可以实现网络流量时序特征的自主学习,并达到与深度学习接近的分类精度,同时给出深度学习方法无法提供的可解释性分类依据.
- 赵力强师智斌石琼雷海卫
- 关键词：网络流量分类可解释性GPU
- 一种基于改进PBFT算法的雾节点信任评估方法
- 本发明属于安全评估技术领域，具体涉及一种基于改进PBFT算法的雾节点信任评估方法。为解决雾计算网络中恶意节点作恶，并为底层节点选择最优雾节点处理任务请求等问题，本方法首先提出一种基于改进PBFT算法的雾节点信任评估模型，...
- 石琼师智斌薛彪
- 一种碳化钛的制备方法
- 本发明涉及一种高硬材料合成方法，具体为一种碳化钛的制备方法。其反应前驱物成分为TiO<Sub>2</Sub>和活性碳，将反应前驱物与奥克托今炸药放入一侧开口的反应容器内，引爆奥克托今炸药使前驱物中的TiO<Sub>2</...
- 于雁武石琼刘玉存柴涛王建华袁俊明张包民刘登程付琼尹政李帅
- 文献传递
- 无人值守无线传感器网络系统可生存性关键技术研究
- 网络系统可生存性是指网络系统在遭到破坏的情况下，仍然能够及时地完成关键任务的能力。无人值守无线传感器网络（Unattended Wireless Sensor Networks，UWSNs）通常部署在环境恶劣或者敌方区域...
- 石琼
- 关键词：系统可生存性恶意攻击
- 文献传递
- 一种碳化钛的制备方法
- 本发明涉及一种高硬材料合成方法，具体为一种碳化钛的制备方法。其反应前驱物成分为TiO<Sub>2</Sub>和活性碳，将反应前驱物与奥克托今炸药放入一侧开口的反应容器内，引爆奥克托今炸药使前驱物中的TiO<Sub>2</...
- 于雁武石琼刘玉存柴涛王建华袁俊明张包民刘登程付琼尹政李帅
- 基于深度强化学习的可信分簇路由协议
- 2024年
- 针对分簇路由协议中恶意节点充当簇头的安全性问题以及基于深度强化学习的路由协议存在收敛慢、波动大的难题,提出了一种基于信任机制和深度强化学习算法soft actor-critic(SAC)的分簇路由协议。该协议首先运用改进的标签传播算法对网络进行分簇。然后采用基于信任的簇头选举机制从簇内选出可信簇头,并采取主-从簇头机制防止簇头“叛变”成为恶意节点。最后利用SAC算法,将簇头作为智能体,实现动态路由决策。实验结果表明:该协议相较于RTRPT、SCR-TBE以及基于DQN、D3QN、PPO的路由协议,具有更优的性能和更好的收敛性。其丢包率、平均时延和网络吞吐量指标均为最优。在多个测试场景下,相较于PPO方案性能最小提升3.97%,最大提升22.39%。
- 段辉石琼师智斌
- 关键词：无线传感器网络分簇路由协议网络安全信任机制
- 一种基于层次攻击图的攻击路径分析方法
- 本发明属于网络安全技术领域，公开了一种基于层次攻击图的攻击路径分析方法。首先利用社区发现算法将原网络划分为多个逻辑子网，逻辑子网及其连接关系构成网络逻辑结构；然后基于网络逻辑结构与网络基本信息生成两层攻击图；最后在两层攻...
- 宋礼鹏朱宇辉石琼贾彦丰
- 文献传递
- 基于复杂网络与大数据结合的通信网络鲁棒性评估方法
- 本发明提供了一种基于复杂网络与大数据结合的通信网络鲁棒性评估方法，通过建立通信网络的模型，将通信网络抽象成一个复杂网络；运用数据挖掘算法对故障数据进行处理；对模型进行仿真建模，将分析数据加载到仿真平台中，设定调整转发能力...
- 宋礼鹏石琼王秀川
- 文献传递
- 动态生成Shapelet的网络流量异常检测
- 2024年
- 当前网络流量异常检测方法大多针对流量特征集构建检测算法,为充分利用网络流量本身数据信息,降低对人为构建特征集的依赖,采用原始网络流量数据,基于对抗性动态Shapelet网络(ADSN),动态学习Shapelet时序特征,提出一种单尺度输入的ADSN(S-ADSN)流量异常检测方法。将网络会话流中用于建立连接的数据转换为时间序列,基于S-ADSN对原始流量序列样本动态学习和生成Shapelet时序特征,计算Shapelet与流量序列之间的距离向量并通过分类器判断流量类别。实验结果表明,所提方法能够动态获取具有辨识性的流量时序特征,具有可解释性和早期检测性优点,实现较高的恶意流量检测精度。
- 霍帅师智斌窦建民郝伟泽石琼
- 关键词：网络流量异常检测时间序列卷积神经网络
