董伟
- 作品数：9 被引量：28H指数：4
- 供职机构：华北计算机系统工程研究所更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于知识图谱与本体驱动的数据建模框架
- 2025年
- 针对传统数据建模方法在处理多维动态关系和异构数据集成方面的局限性,提出一种基于知识图谱与动态本体驱动的数据建模框架。该框架利用知识图谱灵活表达实体及关系的优势,结合动态本体提供的语义约束,通过实体识别、属性和关系自动映射等技术,将语义信息有效转化为结构化数据模型,提升数据建模的自动化和标准化水平。案例分析表明,该框架可广泛适用于复杂数据结构的语义表示、自动化知识抽取及跨系统的数据融合,展现了良好的通用性和应用价值。
- 徐睿刘金刘金张雅勤董伟
- 关键词：知识图谱数据建模
- 基于多传感器的温室环境数据融合算法研究被引量：6
- 2013年
- 无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。
- 董伟朱建勇
- 关键词：多传感器距离矩阵数据融合
- 基于GPS/GPRS/GIS的菌毒种运输监控系统被引量：3
- 2012年
- 为了使菌毒种运输适应整个菌毒种研究的需要,提出了一种基于GPS、GPRS、GIS技术相结合的菌毒种运输监控系统的设计方案,并结合系统的整体框架结构,详细介绍了系统的整个工作流程,着重阐述了系统的车载终端、监控服务中心以及监控终端的设计与实现方法。该系统充分发挥了GPS,GPRS,GIS三大技术优势。运行结果表明,本系统能够准确监控菌毒种运输车辆以及护送人员的状态,从而保证菌毒种运输过程中的安全性。
- 崔少飞朱建勇董伟顾大成
- 关键词：监控系统监控中心
- 基于Q-学习算法的有状态网络协议模糊测试方法研究被引量：4
- 2020年
- 现有的有状态网络协议模糊测试技术在测试时,辅助类型报文重复交互,测试效率低,且为确保测试用例有效性,仅向协议实体输入报文类型与被测状态相对应的测试用例,导致无法发现由报文异常输入顺序所引出的协议缺陷。针对这些问题,基于Q-学习算法设计出一种有状态网络协议模糊测试方法,不需要引导状态的辅助报文,且能在确保一定的测试用例有效性前提下,进行报文异常输入顺序测试。实验结果表明,所提出的模糊测试方法可以显著提高测试效率和漏洞挖掘能力。
- 荆琛傅晓彤董伟赵云飞
- 关键词：漏洞挖掘Q-学习算法
- 虚拟货币挖矿木马行为监测技术研究与应用被引量：4
- 2022年
- 近年来,在利益驱动下通过传播挖矿木马程序,利用受害者主机算力进行挖矿获取虚拟货币的行为愈演愈烈。从攻击者视角分析了挖矿木马的暴力爆破、漏洞利用、木马植入、横向传播等典型攻击路径,基于挖矿协议的流量识别、威胁情报匹配、攻击链模型关联分析、AI基因模型监测等开展技术研究,结合研究成果进行了实际网络流量监测应用,为挖矿木马的防范和治理提供思考与借鉴。
- 周成胜董伟崔枭飞葛悦涛
- 关键词：虚拟货币
- 协议安全测试在工业DCS系统测评中的应用被引量：6
- 2017年
- 为了发现工业控制系统的信息安全问题,需要对工业DCS系统的私有通信协议进行安全测试。面对自动化工具无法准确测试私有协议安全性的问题,提出了DCS系统私有通信协议的分析方法。基于协议分析编写测试用例对被测DCS系统进行安全性测试,有效发现被测DCS系统协议的安全问题,为DCS系统的安全测试和防护提供了研究的基础。研究表明,在工业DCS系统安全测评中,通过人工协议分析、协议测试能够有效发现系统的安全问题。
- 姬胜凯刘仁辉董伟许凤凯
- 关键词：工控系统信息安全DCS
- 基于双层注意力机制的恶意URL检测被引量：3
- 2023年
- 随着信息化技术的不断发展,网络空间中存在的威胁也在不断变化。其中,基于恶意URL的攻击手段层出不穷。针对恶意URL识别与检测问题进行了深入探究,设计并实现了具有双层注意力机制的Bi-LSTM网络模型对恶意URL进行识别和检测,并将其命名为A2Bi-LSTM。该模型分别在字符级别及单词级别对恶意URL中包含的可疑内容进行注意力权值的计算,进一步提升了恶意URL的识别精度。实验结果表明,A2Bi-LSTM对恶意URL的识别准确率达到97%,相较于传统检测模型有着更好的检测效果,能够有效应对此类攻击威胁,有助于网络空间安全体系的构建。
- 赵云泽蒋牧秋董伟冯志
- 关键词：网络安全
- 基于Q算法的认证协议漏洞挖掘技术研究被引量：1
- 2022年
- 认证授权协议在不泄露用户口令的情况下允许第三方获取用户资源,解决了云平台下第三方授权问题,提高了用户的交互体验。但是协议在交互处理中的不确定性和复杂性导致其在实际应用时可能会存在逻辑漏洞。针对该问题提出一种模糊仿真方法,通过对协议交互过程进行模糊处理,利用协议实体动作的不确定性,发现协议的逻辑漏洞。同时,结合SA-Q强化学习算法训练智能体学习最优模糊策略,智能化挖掘漏洞。经过测试发现,相比于基本的Q学习算法,该方法的收敛速度提升了9.27%,使得模型在训练时更容易收敛,有效提高了漏洞的挖掘效率。
- 吕乐乐董伟赵云飞冯志李致成张雅勤
- 机器学习在恶意加密流量检测中的应用及研究被引量：1
- 2025年
- 随着加密通信的普及,恶意攻击者利用加密流量隐藏活动,传统基于签名和规则的检测方法面临挑战。机器学习为恶意加密流量检测提供了新解决方案。综述了监督学习、非监督学习、深度学习和集成学习在该领域的应用。监督学习通过标记数据识别已知攻击,非监督学习在未标记数据中发现新型攻击模式,深度学习提升了在大数据环境中的特征提取能力,而集成学习则通过模型融合增强系统鲁棒性。研究表明,机器学习显著提高了恶意行为识别的准确性,特别是在复杂数据特征提取和新攻击模式发现方面。
- 田睿张雅勤董伟董伟冯志
