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

【文章來源】：計算機仿真. 2020,37(07)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

實驗環(huán)境

利用物聯(lián)網(wǎng)平臺中數(shù)據(jù)作為實驗對象,本文方法在和傳統(tǒng)方法進行對比時,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,以此能夠看出,本文方法在對惡意攻擊檢測過程中所消耗的時間要小于同等數(shù)據(jù)規(guī)模傳統(tǒng)算法,因為傳統(tǒng)算法在計算角度方差的異常因子時,要實時的對網(wǎng)絡(luò)進行規(guī)劃以后,所篩選出的候選網(wǎng)格,其本文方法是在維護兩個具有代表的網(wǎng)格數(shù)據(jù)集,其數(shù)據(jù)的規(guī)模越大,本文在運行的時間上就更加具有優(yōu)勢,仿真實驗結(jié)果如圖2所示。其查準率是通過被檢測的實際異常點個數(shù)和檢測到的異常數(shù)據(jù)進行對比獲得的。根據(jù)圖3中兩種算法的平均查準率對比能夠看出,本文方法要優(yōu)于傳統(tǒng)方法,因為傳統(tǒng)方法數(shù)據(jù)流中的最新數(shù)據(jù)點,要進行從新的網(wǎng)格劃分,而在數(shù)據(jù)集的規(guī)模比較大、維度比較高時,該方法的候選網(wǎng)格會增多,容易把非異常數(shù)據(jù)誤認為是異常數(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,讓計算方法的查準率獲的保證。

其查準率是通過被檢測的實際異常點個數(shù)和檢測到的異常數(shù)據(jù)進行對比獲得的。根據(jù)圖3中兩種算法的平均查準率對比能夠看出,本文方法要優(yōu)于傳統(tǒng)方法,因為傳統(tǒng)方法數(shù)據(jù)流中的最新數(shù)據(jù)點,要進行從新的網(wǎng)格劃分,而在數(shù)據(jù)集的規(guī)模比較大、維度比較高時,該方法的候選網(wǎng)格會增多,容易把非異常數(shù)據(jù)誤認為是異常數(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,讓計算方法的查準率獲的保證。通過以上實驗?zāi)軌蚩闯?在對網(wǎng)絡(luò)中高維異構(gòu)數(shù)據(jù)攻擊進行檢測時,本文方法與傳統(tǒng)方法相對比,證明本文方法速度較快、準確率更高、查準率也較高,具有優(yōu)秀的魯棒性。

【參考文獻】：
期刊論文
[1]智能電網(wǎng)監(jiān)控運行大數(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)自動化. 2018(19)
[2]面向海洋預(yù)報任務(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.  計算機工程與應(yīng)用. 2019(07)
[3]傳感器網(wǎng)絡(luò)對攻擊數(shù)據(jù)檢測方法仿真[J]. 王艷閣,吳穎.  計算機仿真. 2018(06)
[4]智能電網(wǎng)監(jiān)控運行大數(shù)據(jù)分析系統(tǒng)總體設(shè)計[J]. 冷喜武,陳國平,白靜潔,張家琪.  電力系統(tǒng)自動化. 2018(12)
[5]大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)研究進展——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. 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.  計算機學(xué)報. 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.  計算機學(xué)報. 2019(03)
[8]兩個異構(gòu)復(fù)雜網(wǎng)絡(luò)的廣義同步與參數(shù)識別[J]. 韋相,趙軍產(chǎn),胡春華.  自動化學(xué)報. 2017(04)
[9]海量數(shù)據(jù)環(huán)境下用于入侵檢測的深度學(xué)習(xí)方法[J]. 高妮,賀毅岳,高嶺.  計算機應(yīng)用研究. 2018(04)
[10]一種改進Kohonen網(wǎng)絡(luò)的DoS攻擊檢測算法[J]. 李昆侖,董寧,關(guān)立偉,郭昌隆.  小型微型計算機系統(tǒng). 2017(03)



本文編號：3075994