本文選題：信息傳輸 + 惡意攻擊�。� 參考：《計(jì)算機(jī)仿真》2017年10期

【摘要】：大數(shù)據(jù)信息傳輸下惡意攻擊數(shù)據(jù)的識(shí)別,能夠有效提升網(wǎng)絡(luò)數(shù)據(jù)安全穩(wěn)定性。對(duì)惡意攻擊數(shù)據(jù)的識(shí)別,需要對(duì)數(shù)據(jù)惡意攻擊信息進(jìn)行預(yù)處理,獲得惡意攻擊數(shù)據(jù)特征的分離過(guò)程,完成數(shù)據(jù)識(shí)別。傳統(tǒng)方法采用定量遞歸分析原理分析惡意攻擊數(shù)據(jù)的聚類特征,但忽略了獲得惡意攻擊數(shù)據(jù)特征的分離過(guò)程,導(dǎo)致識(shí)別精度較低。提出基于離散小波變換的惡意攻擊數(shù)據(jù)識(shí)別方法。上述方法首先采用函數(shù)極值法確定隸屬度,獲取數(shù)據(jù)惡意攻擊特征,采用離散小波變換方法對(duì)大數(shù)據(jù)信息傳輸中數(shù)據(jù)惡意攻擊信息進(jìn)行預(yù)處理,結(jié)合FIR濾波器進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)抗干擾濾波處理,采用高階累積量后置路徑搜索獲得大數(shù)據(jù)信息傳輸中惡意攻擊數(shù)據(jù)特征的分離過(guò)程,實(shí)現(xiàn)惡意攻擊數(shù)據(jù)特征的準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,所提方法進(jìn)行惡意攻擊數(shù)據(jù)識(shí)別的準(zhǔn)確度較高,抗干擾能力較強(qiáng)。
[Abstract]:The identification of malicious attack data under big data information transmission can effectively improve the security and stability of network data. To identify the malicious attack data, it is necessary to preprocess the malicious attack information, to obtain the separation process of the malicious attack data characteristics, and to complete the data recognition. The traditional method uses the principle of quantitative recursive analysis to analyze the clustering features of malicious attack data, but neglects the separation process of obtaining malicious attack data features, resulting in low recognition accuracy. A method of malicious attack data recognition based on discrete wavelet transform (DWT) is proposed. Firstly, the membership degree is determined by the function extremum method, and the malicious attack characteristics of data are obtained. The data malicious attack information in big data information transmission is preprocessed by discrete wavelet transform method. Combining FIR filter with network data anti-interference filtering, the separation process of malicious attack data features in big data information transmission is obtained by using high-order cumulant post-path search to realize accurate recognition of malicious attack data features. The experimental results show that the proposed method has high accuracy and strong anti-jamming ability for malicious attack data recognition.
【作者單位】： 內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院;
【基金】：內(nèi)蒙古農(nóng)業(yè)大學(xué)基礎(chǔ)學(xué)科科研啟動(dòng)基金項(xiàng)目(JC2015009)
【分類號(hào)】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦國(guó)興;;迎戰(zhàn)網(wǎng)絡(luò)惡意攻擊[J];合作經(jīng)濟(jì)與科技;2009年10期

2 ;2011年惡意攻擊數(shù)量猛增81%[J];微電腦世界;2012年06期

3 吳育寶;李星亮;;基于擦除痕跡追蹤技術(shù)的網(wǎng)絡(luò)惡意攻擊取證[J];科技通報(bào);2013年10期

4 李翔;曹焱;李勤爽;;基于行為的網(wǎng)絡(luò)惡意攻擊防御技術(shù)研究[J];信息安全與通信保密;2008年11期

5 任柯,邱玉輝;檢測(cè)移動(dòng)Agent系統(tǒng)中惡意攻擊的改進(jìn)方案[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年03期

6 劉昌勇;借助路由器來(lái)防范網(wǎng)上的惡意攻擊[J];網(wǎng)絡(luò)與信息;2004年04期

7 劉昌勇;借助路由器防范網(wǎng)上惡意攻擊[J];計(jì)算機(jī)安全;2004年03期

8 李曉義;李治軍;姜守旭;;BitTorrent網(wǎng)絡(luò)的搭便車及惡意攻擊研究[J];計(jì)算機(jī)工程;2011年07期

9 小金;;防范惡意攻擊就這幾招[J];新電腦;2006年12期

10 ;如何安全使用網(wǎng)絡(luò)并遠(yuǎn)離各種惡意攻擊[J];計(jì)算機(jī)與網(wǎng)絡(luò);2013年01期

相關(guān)會(huì)議論文 前1條

1 馬宇馳;李俊;王儉;;利用蜜網(wǎng)系統(tǒng)追蹤定位惡意攻擊[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

相關(guān)重要報(bào)紙文章 前2條

1 劉東;惡意攻擊頻發(fā),WiFi網(wǎng)絡(luò)呈現(xiàn)6大安全問(wèn)題[N];人民郵電;2014年

2 張昕楠;名人效應(yīng)引發(fā)的Web安全風(fēng)險(xiǎn)日盛[N];中國(guó)計(jì)算機(jī)報(bào);2009年

，

本文編號(hào)：1927459