摘要:针对广泛应用于医院的软件定义网络（SDN）难以应对内部网络威胁的问题，设计了一种基于贝叶斯推理的信任管理机制来识别网络内部可能存在的恶意设备。该机制主要是利用贝叶斯推理方法推导出恶意攻击数据包的发送概率从而实现对网络内部设备的信任管理。通过仿真环境和真实网络环境下的实验证明了该方法可以比类似的方法更快地降低恶意设备的信任值。

摘要:针对具有不适定性的环境水力学反问题，基于贝叶斯推理和二维水质模型建立水体污染识别反演模型，运用马尔科夫链蒙特卡罗法抽样获得污染源源强、污染源位置和污染泄漏时间等模型参数的后验概率分布和统计结果.实例研究结果表明，基于马尔科夫链蒙特卡罗抽样算法的贝叶斯推理可以较好地用来实现水体污染识别，具有识别精度高，误差小的特点，其可靠性和稳定性高于混合遗传-模式搜索优化算法.