现代制造工程
現代製造工程
현대제조공정
MODERN MANUFACTURING ENGINEERING
2015年
5期
35-38
,共4页
物流供应链%物联网%信息安全%智能检测
物流供應鏈%物聯網%信息安全%智能檢測
물류공응련%물련망%신식안전%지능검측
logistics supply chain%Internet of Things ( IOT)%information security%intelligent detection
现代智能物流供应链依靠物联网信息网络平台大大提高了物流效率；但是平台频繁受到分布式拒绝服务（ DDoS）攻击而出现故障，甚至是瘫痪。针对这一问题，提出了基于核主元分析（ KPCA ）和粒子群优化-支持向量机（ PSO-SVM ）的物流供应链信息安全检测新方法。该方法不需要先验知识，首先通过KPCA提取入侵数据重要的非线性特征，避免了原始数据高维特征的复杂性与冗余干扰；其次，在利用提取的特征训练SVM检测模型时，应用粒子群优化（ PSO）算法优化支持向量机（ SVM）结构参数，以获得良好的模型泛化能力。通过实际环境下DDoS检测实验结果表明，所提出的方法提高了检测率和检测速度，减少了误报率，且检测性能高于目前常采用的主成分分析（PCA）法。
現代智能物流供應鏈依靠物聯網信息網絡平檯大大提高瞭物流效率；但是平檯頻繁受到分佈式拒絕服務（ DDoS）攻擊而齣現故障，甚至是癱瘓。針對這一問題，提齣瞭基于覈主元分析（ KPCA ）和粒子群優化-支持嚮量機（ PSO-SVM ）的物流供應鏈信息安全檢測新方法。該方法不需要先驗知識，首先通過KPCA提取入侵數據重要的非線性特徵，避免瞭原始數據高維特徵的複雜性與冗餘榦擾；其次，在利用提取的特徵訓練SVM檢測模型時，應用粒子群優化（ PSO）算法優化支持嚮量機（ SVM）結構參數，以穫得良好的模型汎化能力。通過實際環境下DDoS檢測實驗結果錶明，所提齣的方法提高瞭檢測率和檢測速度，減少瞭誤報率，且檢測性能高于目前常採用的主成分分析（PCA）法。
현대지능물류공응련의고물련망신식망락평태대대제고료물류효솔；단시평태빈번수도분포식거절복무（ DDoS）공격이출현고장，심지시탄탄。침대저일문제，제출료기우핵주원분석（ KPCA ）화입자군우화-지지향량궤（ PSO-SVM ）적물류공응련신식안전검측신방법。해방법불수요선험지식，수선통과KPCA제취입침수거중요적비선성특정，피면료원시수거고유특정적복잡성여용여간우；기차，재이용제취적특정훈련SVM검측모형시，응용입자군우화（ PSO）산법우화지지향량궤（ SVM）결구삼수，이획득량호적모형범화능력。통과실제배경하DDoS검측실험결과표명，소제출적방법제고료검측솔화검측속도，감소료오보솔，차검측성능고우목전상채용적주성분분석（PCA）법。
The modern logistics supply chain greatly improves the logistics efficiency by use of Internet of Things ( IOT) informa-tion platform.However,the logistics system often suffers from the Distributed Denial of Service (DDoS) attack.To solve this prob-lem,a new detection method based on Kernel Principle Component Analysis (KPCA) and Particle Swarm Optimization (PSO)-Support Vector Machine (SVM) is proposed.The KPCA was firstly used to obtain the most distinct features of the input data to e-liminate the redundant features .Then the PSO was used to optimize the training of SVM .Experimental results show the method promotes the detection rate and calculation speed ,and outperform the PCA based methods .
