針對(duì)傳統(tǒng)方法存在網(wǎng)絡(luò)高維異構(gòu)數(shù)據(jù)攻擊檢測(cè)速度較慢、準(zhǔn)確率較低等缺陷,提出一種嵌入式網(wǎng)絡(luò)高維異構(gòu)數(shù)據(jù)攻擊檢測(cè)方法。首先,在對(duì)高維異構(gòu)數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上,確定數(shù)據(jù)的關(guān)聯(lián)度主特征量,并進(jìn)行分類,并找出異構(gòu)數(shù)據(jù)的特征閾值進(jìn)行高維異構(gòu)數(shù)據(jù)挖掘;其次,分析攻擊信號(hào)檢測(cè)原理,引入分?jǐn)?shù)階傅里葉變換方法對(duì)網(wǎng)絡(luò)攻擊信號(hào)進(jìn)行融合,獲取網(wǎng)絡(luò)信號(hào)累積量;然后,通過最小的均方誤差標(biāo)準(zhǔn),約束攻擊信號(hào)并進(jìn)行正交頻譜分離,實(shí)現(xiàn)網(wǎng)絡(luò)攻擊信號(hào)的檢測(cè)。最后,進(jìn)行仿真驗(yàn)證,結(jié)果表明采用所提方法在攻擊檢測(cè)速度、準(zhǔn)確率方面均要優(yōu)于傳統(tǒng)檢測(cè)方法,具有更高的優(yōu)勢(shì)。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(07)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

實(shí)驗(yàn)環(huán)境

利用物聯(lián)網(wǎng)平臺(tái)中數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象,本文方法在和傳統(tǒng)方法進(jìn)行對(duì)比時(shí),隨著網(wǎng)絡(luò)中的高維異構(gòu)數(shù)據(jù)入侵,其算法的規(guī)模也是隨著指數(shù)呈現(xiàn)一種上漲的趨勢(shì),以此能夠看出,本文方法在對(duì)惡意攻擊檢測(cè)過程中所消耗的時(shí)間要小于同等數(shù)據(jù)規(guī)模傳統(tǒng)算法,因?yàn)閭鹘y(tǒng)算法在計(jì)算角度方差的異常因子時(shí),要實(shí)時(shí)的對(duì)網(wǎng)絡(luò)進(jìn)行規(guī)劃以后,所篩選出的候選網(wǎng)格,其本文方法是在維護(hù)兩個(gè)具有代表的網(wǎng)格數(shù)據(jù)集,其數(shù)據(jù)的規(guī)模越大,本文在運(yùn)行的時(shí)間上就更加具有優(yōu)勢(shì),仿真實(shí)驗(yàn)結(jié)果如圖2所示。其查準(zhǔn)率是通過被檢測(cè)的實(shí)際異常點(diǎn)個(gè)數(shù)和檢測(cè)到的異常數(shù)據(jù)進(jìn)行對(duì)比獲得的。根據(jù)圖3中兩種算法的平均查準(zhǔn)率對(duì)比能夠看出,本文方法要優(yōu)于傳統(tǒng)方法,因?yàn)閭鹘y(tǒng)方法數(shù)據(jù)流中的最新數(shù)據(jù)點(diǎn),要進(jìn)行從新的網(wǎng)格劃分,而在數(shù)據(jù)集的規(guī)模比較大、維度比較高時(shí),該方法的候選網(wǎng)格會(huì)增多,容易把非異常數(shù)據(jù)誤認(rèn)為是異常數(shù)據(jù),并且本文算法所利用的最新數(shù)據(jù)集網(wǎng)絡(luò),能夠非常有效的解決數(shù)據(jù)流概念轉(zhuǎn)移問題,讓計(jì)算方法的查準(zhǔn)率獲的保證。

其查準(zhǔn)率是通過被檢測(cè)的實(shí)際異常點(diǎn)個(gè)數(shù)和檢測(cè)到的異常數(shù)據(jù)進(jìn)行對(duì)比獲得的。根據(jù)圖3中兩種算法的平均查準(zhǔn)率對(duì)比能夠看出,本文方法要優(yōu)于傳統(tǒng)方法,因?yàn)閭鹘y(tǒng)方法數(shù)據(jù)流中的最新數(shù)據(jù)點(diǎn),要進(jìn)行從新的網(wǎng)格劃分,而在數(shù)據(jù)集的規(guī)模比較大、維度比較高時(shí),該方法的候選網(wǎng)格會(huì)增多,容易把非異常數(shù)據(jù)誤認(rèn)為是異常數(shù)據(jù),并且本文算法所利用的最新數(shù)據(jù)集網(wǎng)絡(luò),能夠非常有效的解決數(shù)據(jù)流概念轉(zhuǎn)移問題,讓計(jì)算方法的查準(zhǔn)率獲的保證。通過以上實(shí)驗(yàn)?zāi)軌蚩闯?在對(duì)網(wǎng)絡(luò)中高維異構(gòu)數(shù)據(jù)攻擊進(jìn)行檢測(cè)時(shí),本文方法與傳統(tǒng)方法相對(duì)比,證明本文方法速度較快、準(zhǔn)確率更高、查準(zhǔn)率也較高,具有優(yōu)秀的魯棒性。

【參考文獻(xiàn)】：
期刊論文
[1]智能電網(wǎng)監(jiān)控運(yùn)行大數(shù)據(jù)分析系統(tǒng)的數(shù)據(jù)規(guī)范和數(shù)據(jù)處理[J]. 冷喜武,陳國平,蔣宇,張家琪,曹越峰.  電力系統(tǒng)自動(dòng)化. 2018(19)
[2]面向海洋預(yù)報(bào)任務(wù)的大數(shù)據(jù)可視化系統(tǒng)研究[J]. 黃冬梅,徐宸弋軒,鄭霞,趙丹楓,何盛琪.  計(jì)算機(jī)工程與應(yīng)用. 2019(07)
[3]傳感器網(wǎng)絡(luò)對(duì)攻擊數(shù)據(jù)檢測(cè)方法仿真[J]. 王艷閣,吳穎.  計(jì)算機(jī)仿真. 2018(06)
[4]智能電網(wǎng)監(jiān)控運(yùn)行大數(shù)據(jù)分析系統(tǒng)總體設(shè)計(jì)[J]. 冷喜武,陳國平,白靜潔,張家琪.  電力系統(tǒng)自動(dòng)化. 2018(12)
[5]大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)研究進(jìn)展——大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)專題代序[J]. 周永章,陳爍,張旗,肖凡,王樹功,劉艷鵬,焦守濤.  巖石學(xué)報(bào). 2018(02)
[6]大規(guī)模復(fù)雜信息網(wǎng)絡(luò)表示學(xué)習(xí):概念、方法與挑戰(zhàn)[J]. 齊金山,梁循,李志宇,陳燕方,許媛.  計(jì)算機(jī)學(xué)報(bào). 2018(10)
[7]融合關(guān)聯(lián)矩陣自學(xué)習(xí)和顯式秩約束的數(shù)據(jù)表示分簇算法[J]. 鄭建煒,鞠振宇,朱文博,王萬良.  計(jì)算機(jī)學(xué)報(bào). 2019(03)
[8]兩個(gè)異構(gòu)復(fù)雜網(wǎng)絡(luò)的廣義同步與參數(shù)識(shí)別[J]. 韋相,趙軍產(chǎn),胡春華.  自動(dòng)化學(xué)報(bào). 2017(04)
[9]海量數(shù)據(jù)環(huán)境下用于入侵檢測(cè)的深度學(xué)習(xí)方法[J]. 高妮,賀毅岳,高嶺.  計(jì)算機(jī)應(yīng)用研究. 2018(04)
[10]一種改進(jìn)Kohonen網(wǎng)絡(luò)的DoS攻擊檢測(cè)算法[J]. 李昆侖,董寧,關(guān)立偉,郭昌隆.  小型微型計(jì)算機(jī)系統(tǒng). 2017(03)



本文編號(hào)：3075994