马航航

作品数：8被引量：8H指数：1
导出分析报告
供职机构：甘肃广播电视大学更多>>
发文主题：HMIPV6分级移动IPV6MLDDAD数据挖掘更多>>
发文领域：自动化与计算机技术电子电信更多>>
发文期刊：《科学技术与工程》《数码设计》《甘肃科技》《中国海洋大学学报（自然科学版）》更多>>
所获基金：甘肃省教育厅科研基金甘肃省自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
高校校园网网络安全态势感知建设方案被引量：6
《甘肃科技》2020年第17期10-12,共3页马航航 
针对高校校园网的网络攻击层出不穷,攻击复杂且隐蔽,攻击频率和严重程度不断增长,应对日益严峻的网络威胁环境,保护校园网的安全,高校需要一个全面的网络安全解决方案。本文通过对高校校园网网络安全需求的论述及网络安全态势感知技术...
关键词：网络安全 态势感知 数据采集 大数据 
邻域搜索策略人工蜂群算法的改进
《甘肃广播电视大学学报》2020年第4期80-84,88,共6页马航航 沈慧娟 
2018年度甘肃省教育厅科研项目资助基金项目“基于SPSS Modeler的大数据分析与挖掘算法应用研究”(2018A-155)。
基于邻域搜索策略的人工蜂群算法(NABC),通过邻域最优食物源的搜索启发,使算法的全局收敛能力有一定的提高。然而,NABC算法仍然存在收敛速度慢,收敛精度低等不足之处。针对此问题,提出一种改进的邻域搜索策略的人工蜂群算法(INABC),基...
关键词：数据挖掘 邻域搜索 人工蜂群算法 最优个体 
贝叶斯分类算法在入侵检测中的应用
《数码设计》2017年第8期4-5,12,共3页黄宁 马航航 陈秀兰 
本文在分析了传统的朴素贝叶斯分类基础上,提出一种改进的贝叶斯分类算法,旨在改进传统贝叶斯分类入侵检测系统模型在检测率、检测时间上不足的问题。在此之后,提出了一种基于粗糙集理论依赖度的属性简约方法,以达到降低属性复杂度、删...
关键词：数据挖掘 入侵检测 贝叶斯 依赖度 
云计算中数字资源存储问题分析
《甘肃科技》2013年第8期19-20,84,共3页武永娇 马航航 黄宁 
从云计算与远程数字资源建设的关系入手,对云计算技术及用户获取云端数字资源过程进行了深入分析和研究,针对传统数字资源存储在云计算环境下存在的问题,提出了"分布存储同城容灾异地备份"方案。并对此方案可行性和有效性进行了分析论证。
关键词：云计算 分布存储 远程教育 
基于虚拟化技术的高校数据中心建设方案被引量：1
《甘肃科技》2012年第19期21-23,共3页马航航 
云计算对高校数据中心的建设提出了新的需求,虚拟化技术是解决这些需求的有效手段。通过对高校数据中心需求的论述及虚拟化技术特点的分析,给出了一种基于虚拟化技术的高校数据中心建设方案,以实现高校数据中心的高可靠、可伸缩和智能...
关键词：数据中心 虚拟化 存储虚拟化 网络虚拟化 
IPComp协议在IPv6中的研究与实现
《科学技术与工程》2009年第14期4162-4166,共5页马航航 於时才 高永国 
甘肃省自然科学基金暨中青年科技基金项目(ZS022-A25-033)资助
实际应用中,当对IP数据包应用AH或ESP协议时,会导致传输的IP数据包长度增加,加重网络负载,数据包被再次分段,增大数据传输的时延等问题。介绍了使用IPComp协议对经过IPsec处理的数据包进行压缩的方法,并实现了在支持IPv6协议的Linux平...
关键词：lPComp协议 IPV6协议 IPSEC协议 
一种新的基于HMIPv6的MAP选取策略
《科学技术与工程》2008年第19期5424-5429,5438,共7页孙捷 马航航 宁闪 刘小甜 
移动锚点(MAP)的选取在分级移动IPv6(HMIPv6)中极其重要。MAP选取的不合理会造成移动节点(MN)的服务延时增加,MAP负载过于集中等问题。在综合考虑MN运动特征的基础上,提出一种新的基于MN移动特征的MAP选择算法(MAP Selection algorithm,...
关键词：运动特征 分级移动IPV6 MAP选择 实时性 
FHMIPv6中基于MLD的DAD检测研究被引量：1
《中国海洋大学学报（自然科学版）》2008年第S1期5-8,12,共5页谭婷 马航航 
HMIPv6作为MIPv6的1种改进技术被提出以解决宏移动和微移动之间的切换管理机制问题。但是所引入的RCoA和LCoA的重复地址检测过程占据了切换延时的绝大部分,严重影响了切换效率,鉴于此,该文提出了1种基于MLD机制的DAD检测方案,并在理论...
关键词：HMIPV6 DAD检测 MLD 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部