針對當前動態(tài)網(wǎng)絡惡意節(jié)點檢測方法查準率與查全率較低的問題,提出基于全局能量均衡的動態(tài)網(wǎng)絡惡意節(jié)點檢測。依據(jù)網(wǎng)絡爬蟲角色分工特性,具有針對性的識別動態(tài)網(wǎng)絡中惡意節(jié)點信息,記錄節(jié)點IP地址。負責采集節(jié)點元數(shù)據(jù)與查詢消息的爬蟲在節(jié)點IP基礎上,進一步采集其它信息,初步實現(xiàn)惡意節(jié)點相關信息爬取。并據(jù)此引入可變通信周期方案與全局能量均衡組合下的協(xié)議,分離節(jié)點采集周期和數(shù)據(jù)通信周期,利用簇內的可變通信周期方案降低部分節(jié)點能耗,差異化區(qū)分各類節(jié)點。以各類節(jié)點區(qū)分為依據(jù),結合節(jié)點活躍度因子優(yōu)化簇頭篩選公式與成簇,在完成惡意節(jié)點檢測的同時實現(xiàn)全局能量均衡。經(jīng)實驗證明,所提方法在不同實驗次數(shù)下對動態(tài)網(wǎng)絡惡意節(jié)點檢測查準率與查全率幾乎在95%以上,具有較高的可靠性。 

【文章來源】：計算機仿真. 2020,37(12)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

爬蟲結構示意圖

3)爬蟲協(xié)議中擴展機制也能夠識別惡意節(jié)點。例如,爬行的角色與其它節(jié)點進行握手操作,其它節(jié)點會將與其連接的所有節(jié)點信息返回。利用此種方式不用與節(jié)點構建連接,還可以獲得動態(tài)網(wǎng)絡拓撲結構。在上述實驗環(huán)境下分別對不同方法節(jié)點檢測的查準率與查全率進行驗證。查準率與查全率的計算原理如圖2所示。依據(jù)圖2所指示的查準率與查全率的計算原理求出文獻[4]、文獻[5]、文獻[6]及本文的查全率與查準率,其輸出結果如圖3與圖4所示。

依據(jù)圖2所指示的查準率與查全率的計算原理求出文獻[4]、文獻[5]、文獻[6]及本文的查全率與查準率,其輸出結果如圖3與圖4所示。圖4 不同方法查全率對比

【參考文獻】：
期刊論文
[1]基于深度學習的無線網(wǎng)絡節(jié)點個體識別技術[J]. 沈偉國,王巍.  通信學報. 2018(S2)
[2]無線網(wǎng)絡信息傳輸節(jié)點能量準確檢測仿真[J]. 張俊,楊超.  計算機仿真. 2018(10)
[3]多層社交網(wǎng)絡中節(jié)點影響力的識別[J]. 朱曉霞,胡小雪.  情報理論與實踐. 2019(01)
[4]光纖傳感網(wǎng)絡入侵中未感染節(jié)點檢測方法[J]. 彭兆軍.  科技通報. 2018(04)
[5]線上社交網(wǎng)絡上信息擴散中“隱形”關鍵節(jié)點的識別及影響力評價[J]. 魏瑩,劉冠,李鋒.  情報科學. 2018(03)
[6]無線傳感器網(wǎng)絡節(jié)點定位與漂移檢測[J]. 畢燁,陳麗娜,苗春雨.  小型微型計算機系統(tǒng). 2018(01)
[7]基于社區(qū)的動態(tài)網(wǎng)絡節(jié)點介數(shù)中心度更新算法[J]. 錢珺,王朝坤,郭高揚.  軟件學報. 2018(03)
[8]基于SNA與模糊TOPSIS的網(wǎng)絡輿情關鍵節(jié)點識別分類模型研究[J]. 彭麗徽,李賀,張艷豐.  現(xiàn)代情報. 2017(08)
[9]基于交叉度的有向網(wǎng)絡中心節(jié)點識別算法研究[J]. 周立欣,劉臣,霍良安,王育清.  計算機應用研究. 2016(11)
[10]移動傳感網(wǎng)絡匯聚節(jié)點動態(tài)選址[J]. 李軍飛,梁久禎.  計算機應用研究. 2016(05)



本文編號：3044074