基于区块链的工业互联网安全评测信息共享关键技术研究
这是一篇关于工业互联网安全评测,区块链,隐私保护,贝叶斯网络,数据共享的论文, 主要内容为工业互联网作为新基建的重要要素之一,是企业数字化转型的新动力,我国各地相继开展工业互联网安全评测工作。数据是数字经济时代的核心要素,目前工业互联网安全评测工作缺少可以对评测数据进行隐私保护和共享的平台。在工业互联网安全评测场景中,区块链为监管方、评测方和企业方三方间如何安全高效共享数据提供了思路。针对工业互联网安全评测场景下的评测数据共享需求以及隐私保护问题,本文主要工作包括:(1)构建了基于区块链的隐私保护评测数据共享框架。描述了工业互联网安全评测场景中的主体、相关概念、数据类型和评测流程,并对上链数据和存储结构做了说明。根据链下数据存储与链上存证相结合的方式,分别设计了链下数据隐私保护处理与链上数据共享流程,并分析说明了该框架在提升企业方自评预测、评测单位评测以及三方间数据共享安全性方面的作用和优势。(2)提出了基于贝叶斯网络的工业互联网安全评测数据隐私保护发布算法QPriv B。针对数据隐私发布过程中没有考虑到不同属性具有不同的敏感程度,对不同属性注入相同程度的噪声导致数据可用性较低的问题,根据评测数据各个属性的不同敏感程度为其分配权重,根据属性权重对属性节点的联合分布进行加权处理,并加入拉普拉斯噪声以满足差分隐私,生成加噪发布数据集。以误分类率为评价指标,通过实验证明了算法的有效性。(3)提出了基于贝叶斯网络的工业互联网安全评测结果预测模型。为保护原始评测数据不被泄露,用分箱算法对其进行隐私保护泛化处理,利用爬山法构建预测贝叶斯网络,输入查询条件可以得出预测属性的预测结果。以MAE为评价指标,对隐私保护效果进行分析,将保护前后数据进行实验对比证明模型的有效性;分别从数据规模、分段数目和判定合格概率方面进行实验比较,以预测值和实际值间的绝对误差和预测准确率为评价标准,结果证明了分段数为2或3时评测结果预测效果较好,判定合格概率在70%时预测准确率均为98.25%,证明了方法的可用性。(4)设计并实现了一个基于区块链的工业互联网安全评测管理平台。平台采用链上存储与链下存储相结合的方式,将评测数据共享记录以及评测数据摘要信息存入区块链,云存储中存储预共享数据。选用FISCO BCOS联盟链作为底层框架,以PBFT为共识算法,设计了评测数据摘要信息上链和评测数据共享记录上链智能合约。采用Spring Boot框架和My SQL数据库,设计了一个基于区块链的工业互联网安全评测管理平台,实现了用户管理、评测数据共享和评测结果预测等功能。
基于贝叶斯网络城市道路交通事故成因分析
这是一篇关于贝叶斯网络,多分类Logistic回归,交通事故,成因分析的论文, 主要内容为随着经济的高速增长和车辆的增多,城市道路交通事故率不断上升。不仅对百姓人身安全造成威胁,而且对个人财产和社会经济也造成了巨大损失。因此,城市交通事故频发已成为一个亟待解决的重要问题,对交通事故的成因分析,正是降低事故率、减少事故频发的关键所在。本文主要结合人、车、路、环境四大交通基础元素,运用统计分析与数据挖掘工具来探索道路交通事故的成因。选择经济相对落后的中部地区贵阳市和经济发达的东部地区上海市为研究对象,截取2015年两个城市交通事故数据,并利用Python中pyspider爬虫系统获取外部互联网数据,首先将不同来源数据进行集成,将其多个数据表按照关键字进行融合和重新编码,对数据进行统计分析和可视化分析,来展示影响交通事故发生的相关因素;对事故发生时间、肇事者年龄和驾龄,以及事故车辆品牌的词云图进行分析,并对上海市和贵阳市的事故多发路段进行热力图比较。其次,运用多分类Logistic回归模型,以过失行为导致的事故类型为基准,来探究交通事故不同类型下影响各因素的重要程度。然后,结合可视化分析和多分类Logistic回归模型研究结果,对变量进行特征选择并构建贝叶斯网络模型,探究交通事故发生类型及其影响因素之间的复杂关联性和内在影响,找出事故链条;基于分析结果并结合实际情况,深入剖析交通事故发生的具体原因,为交通事故的预防和解决提供理论参考。最后,结合全文的分析结果,对道路交通事故成因从宏微观角度进行总结与归纳,并从宏观和微观层面给出具有现实性的建议,为政府决策提供参考依据。
基于贝叶斯网络和知识图谱的内部威胁根因分析研究
这是一篇关于内部威胁检测,贝叶斯网络,知识图谱,可视化系统,特征提取的论文, 主要内容为随着当前信息技术的迅速发展,内部威胁已成为破坏企业信息系统安全的重要隐患。内部威胁指的是组织内部人员利用自己获得的合法访问权限盗窃组织内部机密,或者对组织内部信息的完整性造成破坏,这些危害组织内部安全的威胁行为会直接损害到组织的利益。由于内部人员具有组织内部的访问权,并且熟悉组织的核心秘密,因此内部攻击通常会产生比外部攻击更加严重的后果。由此可见,针对内部威胁的异常检测和对内部威胁行为进行根因溯源分析具有重要的研究意义和社会价值。本文基于贝叶斯网络模型和知识图谱实现对组织内部用户行为的风险分析以及内部威胁的根因溯源分析,主要研究工作包含:(1)制定内部威胁检测与根因溯源解决方案。首先,设计内部异常行为检测与威胁溯源实现框架,包括数据预处理、内部异常行为检测以及内部威胁根因溯源三个模块。然后,基于所选的CERT-IT(r6.2)数据集给出数据预处理思路,以“天”为单位,分别提取五个域的行为特征,并将用户每一天的行为数据进行融合,采用核密度估计的方法对特征变量的数据进行离散化。接着,基于修正的MMHC混合结构学习算法和贝叶斯估计法对贝叶斯网络进行结构学习和参数学习,建立内部异常行为检测模型和根因分析方案。最后,选用基于最大似然估计法的贝叶斯网络模型和SVM模型进行对比实验,证明所设计的贝叶斯网络模型的有效性,以及所设计内部威胁根因溯源方法的可行性。(2)给出内部威胁知识图谱构建和根因溯源方案。首先,利用所设计的贝叶斯网络模型结合知识图谱技术,建立威胁根源知识库和威胁库知识图谱,并给出威胁根源知识库和威胁原因知识库的连接方案。然后,基于对CERT-IT(r6.2)内部威胁数据集的分析,建立CERT知识库。最后,分析各个知识之间的关系,在用户每天的行为向量本体(Action Id)和用户本体(User)之间添加关系属性has Action,基于CERT知识库、威胁根源知识库和威胁原因知识库,给出内部威胁知识图谱建立和根因溯源方案,并给出实例分析说明所构建内部威胁知识图谱的有效性。(3)设计内部威胁知识管理可视化系统。首先,根据实际应用背景和可操作性分析,给出内部威胁知识管理可视化系统设计需求,包括:异常行为检测、异常员工检测和所有异常员工展示。然后,从前端、后端和知识库三个模块给出内部威胁知识管理可视化系统的框架。最后,给出异常行为检测页面、异常员工检测的页面和展示所有员工页面三个页面的操作流程和使用方法,以及每个页面的功能,进一步说明所设计内部威胁行为检测和根因分析方法以及内部威胁知识图谱的实用性和可操作性。
玻镁板生产线远程监控及故障诊断系统
这是一篇关于玻镁板生产线,远程监控,故障诊断,BP神经网络,贝叶斯网络,专家系统的论文, 主要内容为随着建筑行业的高速发展,建筑装饰材料业在建筑业所占的比重也日益突出,具有防火防潮无味等特性的玻镁板成为当前热门建筑装饰材料之一。随着玻镁板生产线自动化程度的加深,对设备进行故障诊断的难度也随之增加。传统的故障诊断技术缺乏智能性,诊断效果不佳且无法保证实时性。因此,能根据设备运行状态实时诊断,并通过人机界面及时反馈的远程监控及故障诊断技术为当前自动化生产线领域研究的热门课题。在国内外学者对远程监控及故障诊断技术研究的基础上,本文设计并研发了玻镁板生产线远程监控及故障诊断系统,主要研究内容包括以下几个方面:(1)对玻镁板生产线各单元的组成及工作原理进行详细介绍,并在此基础上进行故障分析。(2)选用BP神经网络对故障症状及其故障状态进行诊断,先介绍BP神经网络的基本原理,在分析其不足的基础上,选用遗传粒子群算法来优化神经网络。通过改进遗传粒子群算法的惯性权重和交叉变异概率,提高算法的自适应性。通过对历史故障数据进行MATLAB仿真,将改进后的BP神经网络与PSO-BP、GAPSO-BP进行对比,结果表明改进后的BP神经网络在诊断精度和速度都有提升。(3)对故障树分析法原理进行介绍,在分析传统故障树分析法不足的基础上加入T-S模糊理论,并构建生产线的T-S模糊故障树模型。为解决T-S模糊故障树计算量大、推理方法单一等问题,将T-S模糊故障树模型映射为贝叶斯网络,对生产线进行可靠性评估和故障诊断。(4)建立玻镁板生产线故障诊断专家系统,将BP神经网络、贝叶斯网络与传统的专家系统融合。采用非自动型和主动型结合的知识获取方式构建专家知识库,用生产式表示法描述规则,选用SQL数据库存储知识,最后建立具有三种推理机制的推理机。(5)首先介绍玻镁板生产线远程监控及故障诊断总体设计方案,在基于B/S架构的基础上,通过Visual Studio 2012、SQL Server 2016和MATLAB联合开发玻镁板生产线远程监控及故障诊断系统。
基于事故报告的城轨风险防控知识图谱构建与应用
这是一篇关于城市轨道交通,知识抽取,风险辨识,风险评价,知识图谱,贝叶斯网络,风险管控系统的论文, 主要内容为城市轨道交通已成为城市内部交通出行的主要交通方式之一,然而,随着城市轨道交通系统复杂性的提升和运营里程的快速增长,一些安全问题也逐渐开始显现,给轨道交通系统的安全可靠运行带来巨大挑战。目前城市轨道交通运营安全管理模式并不完善,存在诸如风险辨识不明、风险防控针对性差等关键问题,亟需突破面向风险主动防控的关键技术,研究城轨事故关键风险的精准辨识方法,研究风险之间的作用关系和风险评价方法,研究建立贝叶斯网络模型实现风险推理计算,并通过知识图谱实现对城轨事故及风险知识的高效管控。首先,本文充分利用事故报告在反映城市轨道安全事故风险发生、发展及其演化机理的特性,创新性地提出了基于“风险点→风险→事件→事故”的城市轨道交通事故分析范式,建立了城轨事故知识图谱构建模式层;然后,借助隐马尔可夫模型和Viterbi算法和对城市轨道交通系统组分及功能的解构分析,建立了城市轨道交通风险领域词库;随后进一步建立了城市轨道交通系统事件、风险点、风险及其耦合作用关系提取模式与规则,并对风险知识进行提取与融合处理;在融合处理完成的实体和关系的基础上,构建知识三元组,并将三元组储存在图数据库中,完成知识图谱的构建。其次,为了充分挖掘城市轨道火灾事故的发生、发展与演化机理,实现对风险量化推理与分析,本文提出建立知识网映射的贝叶斯网络模型。首先根据知识图谱网络进行贝叶斯网络的建模和结构学习;其次,使用极大似然参数(MLE)的方法从实际数据中学习网络参数,并引入模糊专家评价和耦合条件概率的计算方法就进行参数校正;最后借助Ge Nle软件完成贝叶斯网络建模,其推理引擎可实现风险的定向推理与因果分析,分析重要节点导致事故发生的后验概率,为事故发生前风险链路的精准推演和事故发生后关键致因风险点的回溯奠定坚实的理论基础。最后,在以上研究的基础上,深入分析用户实际需求,面向城轨管理人员,设计系统体系结构及功能框架,搭建城轨风险管控系统,并建立了基于知识图谱的城市轨道交通事故与风险管控平台,实现事故管理、风险知识管理、应急管理等功能,解决了当前城轨系统运营安全保障系统风险管理系统性差、知识支持不足的关键问题,对提升城市轨道交通系统安全保障的主动性和智能性具有重要意义。
基于数据挖掘的交通事故预警方法研究
这是一篇关于数据挖掘,贝叶斯网络,Apriori,FP-tree,交通事故预警的论文, 主要内容为本文通过对交通事故成因和预警方法的现状分析,对产生事故的原因和交通事故预警方法进行了初步探索,在此基础上总结了交通事故预警系统理论方法,进行了基于数据挖掘的交通事故预警方法分析与研究。首先通过查阅国内外当前交通事故相关文献资料以及说明介绍内容,对国内外研究状况和安全道路交通管理措施进行了系统综述,然后对本文中所用到的技术与方法进行了系统梳理与知识阐述,在此基础上针对研究过程中统计出来城市道路安全方面数据和里面透露出相关规律进行系统分析,通过基于映射存储目标事务数据库的方法对Apriori算法做出了改进,结合改进的Apriori算法与改进的FP-tree算法,提出了MIFP-Apriori算法,基于该算法对本文中提到的影响道路交通安全的细节性因素之间的关联性进行了系统分析,通过对关联规则产生的高频项目组进行具体的内容关联分析,对其潜在的联系进行了数据挖掘和配套分析构建。然后本文采用贝叶斯网络对交通事故原因以及风险预测等内容进行分析构建,结合K2算法对贝叶斯网络进行了模型结构方面系统学习,模型参数学习并且完成了交通事故预测模型的相关构建,采用该模型进行了数据集分析和事故原因分析,对区域事故进行了预警概率计算,从而达到对道路交通安全状况定量定性分析效果,根据预测结果结合交通事故预警模型的应用,对交通事故进行安全预警工作。最后基于SSM开发框架结合改进的关联规则算法与贝叶斯网络模型,开发了交通事故预警平台,针对交通事故预警功能做了开发与应用。本文研究从关联规则分析与贝叶斯网络建模入手,通过对数据样本进行学习从而进行了基于影响因素的事故预警,从一定程度上对于交通协管提供了辅助性指导和帮助,借由这种技术相关部门可以有针对性制定相应交通安全防范措施和条例,通过一定对策减少事故发生概率,从而降低事故造成损失。
玻镁板生产线远程监控及故障诊断系统
这是一篇关于玻镁板生产线,远程监控,故障诊断,BP神经网络,贝叶斯网络,专家系统的论文, 主要内容为随着建筑行业的高速发展,建筑装饰材料业在建筑业所占的比重也日益突出,具有防火防潮无味等特性的玻镁板成为当前热门建筑装饰材料之一。随着玻镁板生产线自动化程度的加深,对设备进行故障诊断的难度也随之增加。传统的故障诊断技术缺乏智能性,诊断效果不佳且无法保证实时性。因此,能根据设备运行状态实时诊断,并通过人机界面及时反馈的远程监控及故障诊断技术为当前自动化生产线领域研究的热门课题。在国内外学者对远程监控及故障诊断技术研究的基础上,本文设计并研发了玻镁板生产线远程监控及故障诊断系统,主要研究内容包括以下几个方面:(1)对玻镁板生产线各单元的组成及工作原理进行详细介绍,并在此基础上进行故障分析。(2)选用BP神经网络对故障症状及其故障状态进行诊断,先介绍BP神经网络的基本原理,在分析其不足的基础上,选用遗传粒子群算法来优化神经网络。通过改进遗传粒子群算法的惯性权重和交叉变异概率,提高算法的自适应性。通过对历史故障数据进行MATLAB仿真,将改进后的BP神经网络与PSO-BP、GAPSO-BP进行对比,结果表明改进后的BP神经网络在诊断精度和速度都有提升。(3)对故障树分析法原理进行介绍,在分析传统故障树分析法不足的基础上加入T-S模糊理论,并构建生产线的T-S模糊故障树模型。为解决T-S模糊故障树计算量大、推理方法单一等问题,将T-S模糊故障树模型映射为贝叶斯网络,对生产线进行可靠性评估和故障诊断。(4)建立玻镁板生产线故障诊断专家系统,将BP神经网络、贝叶斯网络与传统的专家系统融合。采用非自动型和主动型结合的知识获取方式构建专家知识库,用生产式表示法描述规则,选用SQL数据库存储知识,最后建立具有三种推理机制的推理机。(5)首先介绍玻镁板生产线远程监控及故障诊断总体设计方案,在基于B/S架构的基础上,通过Visual Studio 2012、SQL Server 2016和MATLAB联合开发玻镁板生产线远程监控及故障诊断系统。
基于词嵌入的模糊文本搜索与推荐系统
这是一篇关于反向过滤,模糊搜索算法,搜索系统,贝叶斯网络,推荐系统,word2vec,词向量,定向联想的论文, 主要内容为如今随着互联网技术的蓬勃发展,数据信息量呈现指数增长的趋势。如何有效快速地从海量数据中筛选所需要的信息已经成为一个迫切需要解决的问题。另一方面,由于人工智能技术的不断突破,使得搜索推荐系统作为一种方便的获取信息的方式,已经被广泛地运用到了人们的生活中。但是目前大多数的搜索推荐系统离真正意义上的人工智能还有着相当大的差距,特别是当数据量庞大但是计算能力受到限制的情况下,呈现的结果质量和计算效率往往都不尽如人意。在传统的搜索系统中,采用关键词匹配获取搜索结果,计算效率往往非常低下,并且通常缺少语义上的理解,而且当用户输入的搜索文本表述较为模糊的时候很难捕捉用户的真正需求从而获得满意的搜索结果;现有的主流推荐系统,存在冷启动、学习速度慢、需要维护庞大的矩阵数据等一系列问题,而且都没有考虑用户的个人特点,背景,兴趣等因素,从而无法为用户制定个性化推荐。本文针对上述问题,主要在以下几方面开展了研究工作:(1)在研究了现有的搜索算法的基础上,提出了基于反向过滤思想的模糊快速搜索算法,算法通过反向过滤思想能够快速过滤出内容合理的标签,从而大大提升了搜索算法的计算效率,并且有效地实现了对用户搜索的模糊文本的智能理解。详细阐述了模糊匹配算法的思想以及具体实现的流程。最后通过实验验证了算法的性能。(2)分析研究了现有的主流推荐算法,针对经典的协同过滤推荐算法存在的问题,提出了一种基于贝叶斯网络的用户兴趣预测推荐系统,避免了协同过滤推荐系统存在的冷启动、学习速度慢、维护数据量巨大等问题。该系统利用用户的个人信息,例如个人特点,性格,背景等,预测用户真正的兴趣爱好,为用户提供个性化资源推荐服务提供依据。同时,系统加入了自适应反馈模块,根据用户实际情况智能地调节网络参数,使得推荐系统的预测准确性不断提高。(3)对深度学习词向量工具word2vec进行相关的研究和实践,利用深度学习语言模型训练词向量实现对单词语义的表示,使得搜索系统能够理解文本信息中包含的深层语义。此外,在word2vec现有的近义词联想功能基础上提出了关键词定向联想作为改进,通过该算法对词向量高维空间进行划分,实现预测的用户兴趣与资源关键词之间语义上的映射,从而挖掘出用户潜在的感兴趣的资源内容。最后通过实验证明算法的合理性和高效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/46826.html
