東機(jī)美電磁閥DG4V-3-6C-M-P2-T-7-56日本東京計(jì)器,主要分類1、電磁閥從原理上分為三大類：直動(dòng)式電磁閥原理：通電時(shí)，電磁線圈產(chǎn)生電磁力把關(guān)閉件從閥座上提起，閥門打開；斷電時(shí)，電磁力消失，彈簧把關(guān)閉件壓在閥座上，閥門關(guān)閉。特點(diǎn)：在真空、負(fù)壓、零壓時(shí)能正常工作，但通徑一般不超過25mm。分步直動(dòng)式電磁閥原理：它是一種直動(dòng)和先導(dǎo)式相結(jié)合的原理，當(dāng)入口與出口沒有壓差時(shí)，通電后，電磁力直接把先導(dǎo)小閥和主閥關(guān)閉件依次向上提起，閥門打開。當(dāng)入口與出口達(dá)到啟動(dòng)壓差時(shí)，通電后，電磁力先導(dǎo)小閥，主閥下腔壓力上升，上腔壓力下降，從而利用壓差把主閥向上推開；斷電時(shí)，先導(dǎo)閥利用彈簧力或介質(zhì)壓力推動(dòng)關(guān)閉件，向下移動(dòng)，使閥門關(guān)閉。特點(diǎn)：在零壓差或真空、高壓時(shí)亦能可*動(dòng)作，但功率較大，要求必須水平安裝。先導(dǎo)式電磁閥原理：通電時(shí)，電磁力把先導(dǎo)孔打開，上腔室壓力迅速下降，在關(guān) 閉件周圍形成上低下高的壓差，流體壓力推動(dòng)關(guān)閉件向上移動(dòng)，閥門打開；斷電時(shí)，彈簧力把先導(dǎo)孔關(guān)閉，入口壓力通過旁通孔迅速腔室在關(guān)閥件周圍形成下低上高的壓差，流體壓力推動(dòng)關(guān)閉件向下移動(dòng)，關(guān)閉閥門。特點(diǎn)：流體壓力范圍上限較高，可任意安裝（需定制）但必須滿足流體壓差條件。2、電磁閥從閥結(jié)構(gòu)和材料上的不同與原理上的區(qū)別，分為六個(gè)分支小類：直動(dòng)膜片結(jié)構(gòu)、分步直動(dòng)膜片結(jié)構(gòu)、先導(dǎo)膜片結(jié)構(gòu)、直動(dòng)活塞結(jié)構(gòu)、分步直動(dòng)活塞結(jié)構(gòu)、先導(dǎo)活塞結(jié)構(gòu)。3、電磁閥按照功能分類：水用電磁閥、蒸汽電磁閥、制冷電磁閥、低溫電磁閥、燃?xì)怆姶砰y、消防電磁閥、氨用電磁閥、氣體電磁閥、液體電磁閥、微型電磁閥、脈沖電磁閥、液壓電磁閥 常開電磁閥、油用電磁閥、直流電磁閥、高壓電磁閥、防爆電磁閥等。
東機(jī)美電磁閥DG4V-3-6C-M-P2-T-7-56日本東京計(jì)器,D5-02-2B2-D2，D5-03-2B2-A2，D5-03-2B3-A2，D5-03-3C2-A2，D5-03-3C3-A2，D5-03-3C4-A2，D5-03-3C6-A2，D5-03-3C5-A2，D5-02-2B2-A1，D5-02-2B3-A1，D5-02-3C2-A1，D5-02-3C3-A1，D5-02-3C4-A1，D5-02-3C6-A1，D5-02-3C5-A1，D5-03-2B2-A1，D5-03-2B3-A1，D5-03-3C2-A1，D5-03-3C3-A1，D5-03-3C4-A1，D5-03-3C6-A1，D5-03-3C5-A1，MCP-02-A，MCA-02-A，MCB-02-A，MCT-02-A，MCW-02-A，MCP-02-B，MCA-02-B，MCB-02-B，MCT-02-B，MCW-02-B，MCP-03-A，MCA-03-A，MCB-03-A，MPB-03-C，MPW-03-C，MPA-04-A，MPB-04-A，MPW-04-A，MPA-04-B，MPB-04-B，MPW-04-B，MPA-04-C，MPB-04-C，MPW-04-C，MPA-06-A，MPB-06-A，MPW-06-A，MPA-06-B，MPB-06-B，MPW-06-B，MPA-06-C，MPB-06-C，MPW-06-C，CIT-03-A1，CIT-04-A1，MF-08，NM-148，LS-5，RG-10H，GCT-03，CRNG-03-A1，CRNG-03-A2，CRNG-06-A1，CRNG-06-A2，CPDG-06-A1，HCG-03-A2，MSW-04-Y，MSW-02-X，MPW-02B，VD2-20F-A3，VD2-25F-A3，VD2-30F-A3，VD2-20F-A4，VD2-25F-A4，VD2-30F-A4，50T-07-FR，50T-12-FR，50T-14-FR，50T-17-FR，50T-20-FR，50T-23-FR，50T-26-FR，50T-30-FR，50T-36-FR，50T-39-FR，150T-48-FR，150T-61-FR，150T-75-FR，150T-94-FR，150T-116-FR，

本文闡明了拒絕服務(wù)（DoS）對(duì)DNS可能的威脅，并提出了一種入侵檢測(cè)系統(tǒng)（IDS）對(duì)不同類型DNS的DoS攻擊的進(jìn)行檢測(cè)和分類。該系統(tǒng)由統(tǒng)計(jì)預(yù)處理器和機(jī)器學(xué)習(xí)（ML）引擎組成。三種神經(jīng)網(wǎng)絡(luò)分類器和支持向量機(jī)在模擬網(wǎng)絡(luò)中得以評(píng)估。結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)引擎以99％的準(zhǔn)確率優(yōu)于其他類型的分類器。關(guān)鍵詞：域名系統(tǒng)拒絕服務(wù)，神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 引言早期的DNS是基于不可靠傳遞的用戶數(shù)據(jù)報(bào)協(xié)議（UDP）設(shè)計(jì)的，而且DNS的安全性在當(dāng)時(shí)并不是大問題，因?yàn)樵缙诘脑O(shè)計(jì)足以滿足互聯(lián)網(wǎng)的需求?，F(xiàn)在，DNS已成為互聯(lián)網(wǎng)和具有一定規(guī)模的網(wǎng)絡(luò)的運(yùn)營(yíng)的一項(xiàng)重要服務(wù)，所以有必要確保DNS系統(tǒng)避免任何未經(jīng)授權(quán)的訪問。本文的*個(gè)目標(biāo)是評(píng)估對(duì)DNS的不同類型的DoS攻擊。這些攻擊識(shí)別模式促使我們通過改變不同的參數(shù)模擬不同的攻擊方案來產(chǎn)生所需的數(shù)據(jù)。

東機(jī)美電磁閥DG4V-3-6C-M-P2-T-7-56日本東京計(jì)器,

zui常見的兩種DNS拒絕服務(wù)攻擊是直接DoS攻擊和放大攻擊。首先，攻擊者試圖通過從單個(gè)或多個(gè)源發(fā)送過多流量來擊垮服務(wù)器。因此，這將導(dǎo)致目標(biāo)服務(wù)器接收大量查詢數(shù)據(jù)包。被DoS攻擊淹沒的域名服務(wù)器將經(jīng)受丟失包和不能總是回復(fù)所有DNS請(qǐng)求。參考文獻(xiàn)[1]指出DNS數(shù)據(jù)流的數(shù)據(jù)包長(zhǎng)度小，況且異常數(shù)據(jù)包相似性使得檢測(cè)過程更加困難。

另一方面，攻擊者建立和典型的DoS攻擊類型，稱為放大攻擊，來增強(qiáng)一般DOS攻擊的影響。這種攻擊類型命名為放大是因?yàn)楣粽咦プ×诵〔樵兛梢援a(chǎn)生更大量UDP響應(yīng)數(shù)據(jù)包這個(gè)事實(shí)[2]?，F(xiàn)在，DNS協(xié)議（RFC2671）被攻擊者用來擴(kuò)大放大系數(shù)。例如，一個(gè)60字節(jié)的DNS請(qǐng)求可以得到超過4000個(gè)字節(jié)的回應(yīng)。這將產(chǎn)生超過60的放大因素。多位研究者研究過放大攻擊的影響。根據(jù)他們的分析，這些攻擊模式包含了龐大數(shù)量的大于512字節(jié)的標(biāo)準(zhǔn)DNS數(shù)據(jù)包的非標(biāo)準(zhǔn)包[3]。

2 數(shù)據(jù)集生成仿真模型

訪問流量仿真真實(shí)環(huán)境較難，所以我們利用了網(wǎng)絡(luò)模擬器。據(jù)我們所知，可用的DNS的DoS攻擊生成數(shù)據(jù)集并不存在。因此，我們的實(shí)驗(yàn)用模擬生成所需的數(shù)據(jù)。我們的模型使用NS-2（版本2.28）的OTcl程序進(jìn)行模擬，它用于構(gòu)造DNS不同的DoS攻擊。

我們的模擬網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包含一臺(tái)合法的客戶機(jī)、一個(gè)攻擊者和兩臺(tái)服務(wù)器。所有節(jié)點(diǎn)都連接到同一個(gè)路由器。所有鏈路都是100Mbps和10ms延遲，除了目標(biāo)服務(wù)器和路由器之間鏈路是10Mbps和10ms延遲。我們以落尾排隊(duì)策略使用一個(gè)100個(gè)數(shù)據(jù)包大小的隊(duì)列。網(wǎng)絡(luò)中有兩種類型的流量的產(chǎn)生，即合法流量和攻擊流量。我們模擬修改了服務(wù)器的應(yīng)用程序，請(qǐng)求間隔時(shí)間固定為10秒。攻擊者期望用過剩的流量淹沒目標(biāo)域名服務(wù)器。DOS流量模擬成恒定比特率（CBR）源。CBR由NS-2中CBR流量生成。我們選取不同的延遲值來確定攻擊開始時(shí)間，來應(yīng)對(duì)各種變化。

3 系統(tǒng)結(jié)構(gòu)

本節(jié)提出了一種新型DNS的DoS攻擊檢測(cè)系統(tǒng)，它使用了一種機(jī)器學(xué)習(xí)引擎來檢測(cè)和分類攻擊。該IDS是一個(gè)基于IDS（NNIDS）的網(wǎng)絡(luò)節(jié)點(diǎn)，它可實(shí)施在域名服務(wù)器上以達(dá)到檢測(cè)攻擊的目的。圖1用輸入輸出數(shù)據(jù)類型給出了我們所提出的系統(tǒng)的總體結(jié)構(gòu)。

該系統(tǒng)從收集域名服務(wù)器收到的數(shù)據(jù)包流開始。接下來，預(yù)處理器基于一個(gè)管理員的20秒時(shí)間窗口統(tǒng)計(jì)分析流量，超過了zui大查找延遲。可能標(biāo)識(shí)域名服務(wù)器收到的DNS流量的參數(shù)，構(gòu)成了分類器的輸入定義如下：

東機(jī)美電磁閥DG4V-3-6C-M-P2-T-7-56日本東京計(jì)器,

① 收到的DNS吞吐量需定義為服務(wù)器所收到的比特?cái)?shù)量。我們測(cè)量了的時(shí)間窗口指標(biāo)的平均值。

② 服務(wù)器在監(jiān)測(cè)時(shí)間窗口接收的數(shù)據(jù)包平均長(zhǎng)度。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。

③ 丟失包定義為由于洪水攻擊流量沒能達(dá)到其目標(biāo)的丟失DNS數(shù)據(jù)包的數(shù)量。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。

在預(yù)處理流量和基于特征選擇產(chǎn)生所需數(shù)據(jù)集后，機(jī)器學(xué)習(xí)引擎得以應(yīng)用。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。四種不同的機(jī)器學(xué)習(xí)引擎已為我們的系統(tǒng)所評(píng)估，其中三個(gè)在神經(jīng)網(wǎng)絡(luò)分類器范疇，zui后一個(gè)是基于支持向量的典型算法。這些引擎在接下來的章節(jié)中將詳細(xì)介紹。
域名系統(tǒng)拒絕服務(wù)圖1 系統(tǒng)框架3.1 BP神經(jīng)網(wǎng)絡(luò)本文中，我們嘗試找到優(yōu)化的BP網(wǎng)絡(luò)來有效地檢測(cè)和對(duì)不同的DNS的DOS攻擊分類。我們的BP神經(jīng)網(wǎng)絡(luò)有三個(gè)層次。輸入層的單元數(shù)目適合于輸入矢量的特征，即DNS流量的三大特征。輸出層還有三個(gè)單元表示正常和DoS攻擊的不同狀態(tài)： [0 0 0]表示正常狀態(tài)，[0 0 1]表示直接DoS攻擊以及[0 1 0]表示放大攻擊。我們?yōu)?/span>BP網(wǎng)絡(luò)訓(xùn)練過程做出下列主要假設(shè)：時(shí)代數(shù)= 500，平均方差（MSE）= 0.00001，培訓(xùn)功能=列文伯格-馬夸爾特法反向傳播（trainlm），激活功能=tan-sigmoid函數(shù)。我們的網(wǎng)絡(luò)優(yōu)化結(jié)構(gòu)，發(fā)現(xiàn)隱藏神經(jīng)元的數(shù)量從3到13個(gè)不等。該系統(tǒng)在隱藏層的精度是7個(gè)神經(jīng)元。
3.2 RBF神經(jīng)網(wǎng)絡(luò)
為了實(shí)現(xiàn)一個(gè)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的分類問題，我們需要為隱藏單元和RBF中心和寬度激活函數(shù)。隱藏層主要使用的激活函數(shù)是高斯函數(shù)，它已經(jīng)用于我們的RBF分類器的隱藏單元。質(zhì)心位置已用K-means聚類算法選擇，接著寬度參數(shù)計(jì)算公式如下：

域名系統(tǒng)拒絕服務(wù)

由于要求高計(jì)算能力，我們初步測(cè)試中不可能獲取與BP神經(jīng)網(wǎng)絡(luò)相同的MSE。因此，我們?cè)O(shè)定MSE值0.001。

3.3 SOM神經(jīng)網(wǎng)絡(luò)

在這個(gè)實(shí)驗(yàn)中，三個(gè)特征的輸入向量因輸入值的差別很大已被歸一。如果原始數(shù)據(jù)被直接應(yīng)用到網(wǎng)絡(luò)，那么具有較高值的輸入樣本可能會(huì)導(dǎo)致抑制較小值的影響。因此，下面的公式給出標(biāo)準(zhǔn)的規(guī)范化：

測(cè)試不同數(shù)目的神經(jīng)元，以找到的執(zhí)行網(wǎng)絡(luò)。論文檢測(cè)，域名系統(tǒng)拒絕服務(wù)。查看流量數(shù)據(jù)使用的分類器的輸出，我們得到了同樣的結(jié)果，并且注意到所有正常流量在范圍內(nèi)聚集，而可疑流量在顯示可能攻擊群的外面。當(dāng)我們對(duì)結(jié)果充滿信心時(shí)，受測(cè)試數(shù)據(jù)控制訓(xùn)練好的網(wǎng)絡(luò)得以評(píng)估。因此，實(shí)施SOM神經(jīng)網(wǎng)絡(luò)的主要假設(shè)如下：時(shí)代數(shù)= 1000，神經(jīng)元數(shù)目= 25，相鄰?fù)負(fù)?/span>= Hextop（六角層拓?fù)浜瘮?shù)），距離函數(shù)= Linkdist，預(yù)訂階段學(xué)習(xí)率= 0.9，預(yù)訂階段步驟= 1000，調(diào)整階段學(xué)習(xí)率= 0.02，調(diào)整階段相鄰距離= 1。

3.4 支持向量機(jī)

SVM是zui近入侵檢測(cè)系統(tǒng)中使用的另一種學(xué)習(xí)與軟計(jì)算技術(shù)?；镜?/span>SVM算法是為分類對(duì)象分為兩類而設(shè)計(jì)的，但許多現(xiàn)實(shí)世界的問題有兩種以上的處理方法。在我們的實(shí)驗(yàn)中，實(shí)施一對(duì)所有的方案是為解決這個(gè)問題的。它構(gòu)造3位SVM分類器，每個(gè)分類器將其中一個(gè)類從其余類分開。第i 個(gè)SVM是利用第i類正標(biāo)簽（+1）的訓(xùn)練集進(jìn)行訓(xùn)練，而負(fù)標(biāo)簽（-1）則為其他。zui后，我們的測(cè)試數(shù)據(jù)的樣本歸為第i類，它擁有三種分類器之間的zui大值。

在訓(xùn)練階段， 應(yīng)提供具有相應(yīng)參數(shù)的適當(dāng)函數(shù)。這將是一個(gè)耗時(shí)的過程，因?yàn)橛?xùn)練的機(jī)器使用不同的內(nèi)核參數(shù)，且當(dāng)中只有一個(gè)是測(cè)試過程中選為表現(xiàn)的。

三個(gè)徑向內(nèi)核分別為1.5、10和5伽馬的支持向量機(jī)和正規(guī)參數(shù)C= 100、1和1000000用來實(shí)施三個(gè)分類器。徑向基礎(chǔ)內(nèi)核公式如下：4 系統(tǒng)評(píng)估

東機(jī)美電磁閥DG4V-3-6C-M-P2-T-7-56日本東京計(jì)器,

為評(píng)估我們所提出的系統(tǒng)，定義了下列性能指標(biāo)：
●精度，是指歸為總體數(shù)據(jù)中準(zhǔn)確類型的數(shù)據(jù)比例。準(zhǔn)確的情況是真陽性（TP）和真陰性（TN），而虛假的檢測(cè)情況是假陽性（FP）和假陰性（FN）。該系統(tǒng)的精度計(jì)算公式如下：

●檢測(cè)率（DR），是指在所有攻擊中檢測(cè)到的攻擊所占的比例。兩種攻擊的指標(biāo)按下列公式計(jì)算：

●誤報(bào)率（FAR），是指被分類器錯(cuò)誤分類的網(wǎng)絡(luò)流量的百分比。其計(jì)算公式如下：

表1：不同分類器的性能比較

表1列出了三個(gè)神經(jīng)網(wǎng)絡(luò)分類器以及SVM的性能比較。結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)優(yōu)于本文實(shí)現(xiàn)的其他類型的分類器。它給我們提供了以可接受的誤報(bào)率對(duì)DNS的拒絕服務(wù)的良好的檢測(cè)率。5 結(jié)束語
本文介紹了DNS的兩個(gè)不同類型的DoS攻擊，直接DoS和放大攻擊。對(duì)DNS流量的DoS攻擊的影響的調(diào)查使我們發(fā)現(xiàn)可疑行為?；谶@些模式，分析測(cè)量所需的流量數(shù)據(jù)通過使用zui靈活的網(wǎng)絡(luò)模擬器NS - 2進(jìn)行模擬。zui后，提出了基于機(jī)器學(xué)習(xí)的系統(tǒng)，通過幾種流量統(tǒng)計(jì)來檢測(cè)和分類DNS的DoS攻擊。兩種不同的機(jī)器學(xué)習(xí)算法為探測(cè)器引擎進(jìn)行了評(píng)估，也即神經(jīng)網(wǎng)絡(luò)分類器和支持向量機(jī)。性能比較結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)以對(duì)直接DoS攻擊99.55％的檢測(cè)率優(yōu)于其他分類器，97.82％放大攻擊檢測(cè)率，99％的準(zhǔn)確率，以及0.28％的誤報(bào)率。