Sep, 2023

AIDPS: 自适应水下声学传感器网络入侵检测与防御系统

PDF
TL;DR提出了一种自适应分散入侵检测和预防系统（AIDPS）用于水下声学传感器网络，该系统可以提高网络的安全性，有效检测水下攻击，并通过实验证明了增量自适应随机森林结合 ADWIN 算法在 One-class 支持向量机异常检测器上提供了最佳性能。
underwater acoustic sensor networksadaptive decentralised intrusion detection and prevention systemmachine learning algorithmsconcept drift detection algorithmsone-class support vector machine
发现论文，激发创造
  • 无人机网络中用于多类分类的增强入侵检测系统

    本研究提出了一种新的用于无人机网络的入侵检测系统，采用二元元组表示来编码类别标签，结合基于深度学习的方法进行分类，通过捕捉复杂的类别关系和时序网络模式来增强入侵检测能力，并通过对不同无人机共同特征的交叉相关研究来排除可能误导入侵检测分类的相关特征。使用 UAV-IDS-2020 数据集进行了完整的实验研究，并使用不同的评估指标评估了所提出的入侵检测系统的性能，实验结果显示了所提出的多类别分类器模型的 95% 准确率。

    Jun, 2024

  • 面向软件定义传感器网络的网络感知自动机器学习框架

    提出了一种网络感知的自动化机器学习框架，用于在软件定义的传感器网络中检测分布式拒绝服务攻击（DDoS）。该框架通过选择理想的机器学习算法，根据可变流量负载、异构流量速率和检测时间等指标，能够在网络受限环境中检测到 DDoS 攻击并避免过拟合。

    Oct, 2023

  • 使用反转多分类 Adaboost 和深度学习进行水下物体检测

    本文提出了一种基于深度学习的小目标检测方法 SWIPENet，其包括高分辨率和语义丰富的 Hyper Feature Maps 以及一种新型的样本加权损失函数，该方法采用 Invert Multi-Class Adaboost（IMA）降低了对噪声的影响，针对水下目标检测领域，该方法表现出较高的准确性。

    May, 2020

  • 一种用于软件定义网络中检测隐蔽攻击的渐进式混合自适应基于网络的入侵检测系统

    这篇论文探讨了网络攻击、高级持久性威胁、SDN、机器学习技术以及概念漂移检测，提出了一种增量混合自适应网络入侵检测系统（NIDS）来解决 SDN 中的概念漂移问题，并通过对不同数据集的评估展示了有希望的结果。

    Apr, 2024

  • 分布式检测的数据辅助感知

    研究数据辅助感知在无线传感器网络中的应用，提出一种基于 J - 差异的节点选择方法，以实现可靠决策。研究结果表明，相对于其他方法，基于 J - 差异的节点选择方法可以使用更少的传感器实现可靠决策。

    Nov, 2020

  • 水下对接的高效检测与控制系统：基于机器学习和逼真仿真的综合方法

    比较不同的深度学习架构以实现水下对接检测和分类，并使用知识蒸馏压缩具有最佳性能的架构，利用生成对抗网络进行图像转换以模拟真实水下图像，最终评估该方法的成功率并与传统视觉方法进行比较。

    Nov, 2023

  • 基于声纳的水下 AUV 定位系统在低基础设施密度环境中的应用

    在此研究中，我们提出了一种针对海底人造资产稀疏环境设计的自主水下航行器的新型实时声纳全球定位算法。通过利用两种数据解释前端，并在同一声纳数据流中合并这些观测结果，我们的方法在粒子滤波器内加权高概率区域的粒子或解决对称模糊。在模拟环境中进行了初步实验，结果显示出良好的前景。这项工作为将来的方法发展和在实际情况下的全面评估奠定了基础。

    May, 2024

  • ARLIF-IDS -- 基于注意力机制的实时孤立森林入侵检测系统

    该论文提出了一种基于注意力机制综合孤立森林的入侵检测系统，该系统在 NSL-KDD 和 KDDCUP'99 数据集上的平均检测 F1-Score 为 0.93，执行时间降低了 91.78％。结果证明了该方法在 DDoS 防御上的低复杂度和低计算需求。

    Apr, 2022

  • 数字孪生 - 智能自主核心网络的 DDoS 检测机制

    通过数字孪生技术和在线学习方法，该研究提出了一种智能分布式拒绝服务攻击检测机制，适用于互联网服务提供商（ISP）核心网络。研究实现了基于数字孪生的 DDoS 检测架构，并利用在线学习方法更新模型以实现准确预测。研究结果表明，所提出的解决方案能够在 DDoS 攻击开始后约 15 分钟内对攻击进行准确估计。

    Oct, 2023

  • 利用生成对抗网络增强水下图像

    本文提出了一种使用生成对抗网络 (GANs) 来提高可视水下场景质量的方法，该方法可以为水下机器人在视觉驱动任务上的表现提供更好的输入，同时提供了定量和定性数据，证明了这种方法的有效性。

    Jan, 2018