首页> 中文学位 >基于机器学习的系统电磁环境异常检测系统研究
【6h】

基于机器学习的系统电磁环境异常检测系统研究

代理获取

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 国外发展过程

1.2.2 国内发展过程

1.2.3 国内外防御现状总结

1.3 本文主要研究内容及创新

1.4 本文组织结构

1.5本章小结

第二章 电磁木马检测概述

2.1 电磁木马简介

2.2 电磁木马攻击案例

2.2.1 PROMIS软件泄密事件

2.2.2 TEAPOT计划

2.2.3 棱镜门事件

2.3 电磁木马分类

2.3.1 计算机系统的电磁信息泄露

2.3.2 其他信息设备的电磁泄露

2.3.3 密码机信号泄露

2.3.4 SOFT-TEMPEST

2.4 电磁木马防御技术

2.4.1 改进编码技术

2.4.2 噪声干扰技术

2.4.3 反木马技术

2.4.4 屏蔽技术

2.4.5 硬件分析技术

2.4.6 电磁波分析技术

2.5 信号采集技术

2.5.1 软件定义无线电技术

2.5.2 GNU Radio

2.6 本章小结

第三章 基于大数据分析的电磁木马信号检测方法

3.1 系统整体设计

3.2 电磁信号处理

3.2.1 信号采集和发现

3.2.2 信号过滤

3.3 电磁木马信号特征提取

3.3.1 时间相关的特征提取

3.3.2 信息量相关特征提取

3.3.3能量相关特征提取

3.3.4 谐波特征提取

3.4 基于LSTM的电磁木马检测

3.4.1 LSTM算法分类概述

3.4.2 建立LSTM分类模型

3.4.3 选择LSTM模型的优势

3.5 本章小结

第四章 大数据环境下的电磁木马信号检测原型系统设计

4.1 系统设计目标

4.1.1 系统设计难点

4.1.2 系统目标

4.2 系统部署

4.3 系统架构设计

4.4 系统模块设计

4.4.1 电磁信号采集模块设计

4.4.2 数据过滤模块设计与实现

4.4.3 数据接入模块设计与实现

4.4.4 特征提取模块设计与实现

4.4.5电磁木马信号检测模块设计与实现

4.5本章小结

第五章 电磁木马检测与信号分类

5.1 实验环境

5.2 实验数据集

5.2.1 实验电磁木马

5.2.2 数据集采集

5.3 异常检测及评估

5.3.1 实验指标

5.3.2 异常检测

5.4 检测准确率影响因素

5.4.1 增益对电磁木马检测准确率的影响

5.4.2 采样距离对电磁木马检测准确率的影响

5.5 系统在线测试

5.5.1 数据采集模块测试

5.5.2 特征提取模块测试

5.5.3 在线检测结果测试

5.6 总结

第六章 总结与展望

6.1工作总结

6.2工作展望

致谢

参考文献

攻读硕士学位期间取得的成果

展开▼

著录项

  • 作者

    孙金光;

  • 作者单位

    电子科技大学;

  • 授予单位 电子科技大学;
  • 学科 信息安全
  • 授予学位 硕士
  • 导师姓名 张小松;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    机器学习; 系统; 电磁环境; 异常检测;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号