發(fā)布時(shí)間：2021-11-05 23:50

　　針對(duì)傳統(tǒng)物聯(lián)網(wǎng)入侵檢測(cè)精度較低,且檢測(cè)速度較慢的問(wèn)題,提出基于時(shí)間自動(dòng)機(jī)的物聯(lián)網(wǎng)入侵檢測(cè)方法。利用多個(gè)并發(fā)時(shí)間自動(dòng)機(jī)構(gòu)成一個(gè)時(shí)間自動(dòng)機(jī)網(wǎng)絡(luò),采用共享變量法來(lái)完成同步傳值通信,通過(guò)輸出方給出一個(gè)特定共享變量賦值,輸入方可以直接訪問(wèn)此共享變量,據(jù)此構(gòu)建時(shí)間自動(dòng)機(jī)網(wǎng)絡(luò)模型。攻擊者在入侵時(shí),系統(tǒng)的響應(yīng)時(shí)機(jī)以及攻擊時(shí)機(jī),可以反映出攻擊者是否入侵成功,因此利用統(tǒng)計(jì)歷史數(shù)據(jù)或者是實(shí)驗(yàn)的攻擊計(jì)算行為評(píng)估攻擊者權(quán)限,利用時(shí)間自動(dòng)機(jī)敘述網(wǎng)絡(luò)攻防對(duì)抗時(shí)的動(dòng)態(tài)遷移特性,完成入侵檢測(cè)。實(shí)驗(yàn)證明,所提方法檢測(cè)精度較高,檢測(cè)速度較快,具有一定的實(shí)用性。 

【文章來(lái)源】：計(jì)算機(jī)仿真. 2020,37(10)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

網(wǎng)絡(luò)入侵檢測(cè)

1)時(shí)間自動(dòng)機(jī)脆弱性情況遷移過(guò)程,具體遷移圖像如圖2所示。通過(guò)圖2能夠看出,S1、S2、S3、S4與S5分別表示脆弱性所處的五個(gè)狀態(tài),S1表示脆弱性目前正常狀態(tài),不過(guò)具有被成功使用的條件,S2表示脆弱性被攻擊或者是被探測(cè),不過(guò)閾值ξ大于可信度,S3表示脆弱性正被攻擊并且攻擊的行為閾值ξ小于可信度,S4表示脆弱性已經(jīng)被利用結(jié)束,S5表示閾值ξ小于響應(yīng)有效指數(shù),響應(yīng)發(fā)揮的作用,利用脆弱性的條件將不復(fù)存在[11]。

為了確定所提方法的效果,選出6組入侵?jǐn)?shù)據(jù),每組數(shù)據(jù)量為100Mb在同一條件下將所提方法與文獻(xiàn)[3]、文獻(xiàn)[4]方法進(jìn)行檢測(cè)對(duì)比,得到網(wǎng)絡(luò)入侵檢測(cè)準(zhǔn)確度如圖3所示。通過(guò)圖3能夠看出,文獻(xiàn)[3]、[4]方法雖然能夠檢測(cè)出入侵攻擊,不過(guò)由于檢測(cè)精度較低,僅有70%左右,所以會(huì)存在較大的入侵遺漏。而所提方法的方法檢測(cè)入侵攻擊準(zhǔn)確率達(dá)到95%以上,優(yōu)于文獻(xiàn)對(duì)比方法。

【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測(cè)[J]. 石樂(lè)義,朱紅強(qiáng),劉祎豪,劉佳.  計(jì)算機(jī)研究與發(fā)展. 2019(11)
[2]改進(jìn)的隨機(jī)森林分類器網(wǎng)絡(luò)入侵檢測(cè)方法[J]. 夏景明,李沖,談玲,周剛.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(08)
[3]基于動(dòng)力系統(tǒng)模型的多旋翼性能估算方法[J]. 張長(zhǎng)勇,王立忠,步亞,沈樂(lè)剛.  計(jì)算機(jī)仿真. 2019(05)
[4]基于物聯(lián)網(wǎng)和大數(shù)據(jù)驅(qū)動(dòng)的農(nóng)業(yè)病蟲(chóng)害監(jiān)測(cè)技術(shù)[J]. 史東旭,高德民,薛衛(wèi),張朔,張福全.  南京農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(05)
[5]KPCA-IPSO-OCSVM方法在工業(yè)控制系統(tǒng)入侵檢測(cè)中的應(yīng)用[J]. 陳冬陽(yáng),彭道剛,張浩,夏冀.  中國(guó)科技論文. 2019(03)
[6]基于隨機(jī)配置網(wǎng)絡(luò)的光纖入侵信號(hào)識(shí)別算法[J]. 盛智勇,曾志強(qiáng),曲洪權(quán),李偉.  激光與光電子學(xué)進(jìn)展. 2019(14)
[7]基于實(shí)用拜占庭容錯(cuò)的物聯(lián)網(wǎng)入侵檢測(cè)方法[J]. 潘建國(guó),李豪.  計(jì)算機(jī)應(yīng)用. 2019(06)
[8]利用SSO的自適應(yīng)黑名單分組過(guò)濾器網(wǎng)絡(luò)入侵檢測(cè)方法[J]. 陳惠娟,馮月春,趙雪青.  控制工程. 2018(10)
[9]基于Bayes網(wǎng)絡(luò)的IDS告警分析模型研究[J]. 李春桃,李冬,齊歡.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(19)
[10]基于改進(jìn)的稀疏去噪自編碼器的入侵檢測(cè)[J]. 郭旭東,李小敏,敬如雪,高玉琢.  計(jì)算機(jī)應(yīng)用. 2019(03)



本文編號(hào)：3478746