本文關(guān)鍵詞：關(guān)聯(lián)規(guī)則挖掘結(jié)合簡化粒子群優(yōu)化的哈�；厮葑粉檯f(xié)議

  更多相關(guān)文章： 攻擊數(shù)據(jù)包 IP回溯協(xié)議 壓縮哈希表 簡化粒子群優(yōu)化 Sinkhole路由器 數(shù)據(jù)挖掘

【摘要】：針對源路徑隔離引擎(source path isolation engine,SPIE)不能回溯追蹤早期經(jīng)過路由器的攻擊數(shù)據(jù)包問題,提出了一種IP回溯追蹤協(xié)議(IP trace-back protocol,ITP),該協(xié)議根據(jù)壓縮哈希表、Sinkhole路由算法和基于網(wǎng)絡(luò)取證的數(shù)據(jù)挖掘技術(shù)抵抗網(wǎng)絡(luò)攻擊。其中包含簡化粒子群優(yōu)化(simplified particle swarm optimization,SPSO)關(guān)聯(lián)算法的分析管理器(attack analysis manager,AAM)通過分析來自Sinkhole路由器和入侵檢測系統(tǒng)(intrusion detection systems,IDS)的攻擊包的關(guān)聯(lián)性生成攻擊模式和攻擊包規(guī)則,并將該結(jié)果通知系統(tǒng)管理器,Sinkhole路由器和IDS通過數(shù)據(jù)挖掘技術(shù)分析攻擊包之間的關(guān)聯(lián)性。通過比較SPIE,概率包標(biāo)記(probabilistic packet marking,PPM)和i Trace的性能可以看出,ITP不僅能實時追蹤后向攻擊,而且能定期使用壓縮哈希表(compressed hash table,CHT)完成追蹤任務(wù)。因此,在抵抗Do S攻擊方面,ITP性能優(yōu)于SPIE,PPM和i Trace,此外,在回溯執(zhí)行時間方面,相同跳躍數(shù)下,ITP比iTrace低2-3 s。
【作者單位】： 周口師范學(xué)院計算機科學(xué)與技術(shù)學(xué)院;
【關(guān)鍵詞】： 攻擊數(shù)據(jù)包 IP回溯協(xié)議 壓縮哈希表 簡化粒子群優(yōu)化 Sinkhole路由器 數(shù)據(jù)挖掘
【基金】：河南省軟科學(xué)研究計劃項目(132400410927,142400411229)~~
【分類號】：TP18;TP311.13;TP393.08
【正文快照】： 0引言網(wǎng)絡(luò)攻擊[1]在現(xiàn)代信息社會時常發(fā)生,很多國家均設(shè)有網(wǎng)絡(luò)安全部隊。也有一些黑客組織攻擊一些指定電腦和網(wǎng)絡(luò),這些攻擊的目的比較復(fù)雜,攻擊造成的損失不可估量,那么,如何預(yù)防網(wǎng)絡(luò)攻擊非常重要。由于現(xiàn)存的計算機設(shè)備和移動終端都需要分配IP地址,因此,使用IP回溯技術(shù)保護

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蒙正中;;一種改進的混合粒子群優(yōu)化算法[J];桂林工學(xué)院學(xué)報;2009年03期

2 吳昌友;王福林;馬力;;一種新的改進粒子群優(yōu)化算法[J];控制工程;2010年03期

3 周馳,高海兵,高亮,章萬國;粒子群優(yōu)化算法[J];計算機應(yīng)用研究;2003年12期

4 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計算機工程與應(yīng)用;2004年06期

5 張榮沂;一種新的集群優(yōu)化方法——粒子群優(yōu)化算法[J];黑龍江工程學(xué)院學(xué)報;2004年04期

6 高鷹;謝勝利;;混沌粒子群優(yōu)化算法[J];計算機科學(xué);2004年08期

7 劉釗,康立山,蔣良孝,楊林權(quán);用粒子群優(yōu)化改進算法求解混合整數(shù)非線性規(guī)劃問題[J];小型微型計算機系統(tǒng);2005年06期

8 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年10期

9 竇全勝;周春光;馬銘;劉全;;群核進化粒子群優(yōu)化方法[J];計算機科學(xué);2005年08期

10 范娜;云慶夏;;粒子群優(yōu)化算法及其應(yīng)用[J];信息技術(shù);2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運動目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學(xué)會第八屆學(xué)術(shù)交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學(xué)大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉華鎣;粒子群優(yōu)化算法的改進研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

2 劉波;粒子群優(yōu)化算法及其在機電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

3 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實例[D];浙江大學(xué);2005年

4 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

5 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

6 余炳輝;粒子群優(yōu)化算法試驗研究及擴展[D];華中科技大學(xué);2007年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

8 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2013年

9 徐星;融合熱運動機制的粒子群優(yōu)化算法研究及其應(yīng)用[D];武漢大學(xué);2010年

10 劉逸;粒子群優(yōu)化算法的改進及應(yīng)用研究[D];西安電子科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進及在油藏數(shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強;非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1123506