傳統(tǒng)的網絡安全數(shù)據特征可視化融合方法,存在融合精確度低的情況,為解決這一問題,設計了一種基于聚類分析的網絡安全數(shù)據特征可視化融合方法。根據網絡安全數(shù)據多源關聯(lián)性特征,提取網絡安全數(shù)據,確定網絡安全數(shù)據事件位置,采用聚類分析算法對網絡安全數(shù)據特征識別,計算網絡安全數(shù)據特征可靠度,以數(shù)據特征可靠度作為數(shù)據融合的依據,采用貝葉斯條件概率得出網絡安全數(shù)據的后驗概率,以此完成網絡安全數(shù)據特征可視化融合。實驗對比結果表明,此次設計的基于聚類分析的網絡安全數(shù)據特征可視化融合方法比傳統(tǒng)方法精確度高,傳統(tǒng)方法與此次設計方法的融合精確度最大相差60%左右,最小相差20%左右,證明此次設計的網絡安全數(shù)據特征可視化融合方法能夠滿足數(shù)據可視化融合需求。 

【文章來源】：長春工程學院學報(自然科學版). 2020,21(02)

【文章頁數(shù)】：4 頁

【部分圖文】：

網絡安全數(shù)據提取過程

式中：a、b分別代表不同傳感器傳遞的數(shù)據信息；代表數(shù)據條件獨立性判斷參數(shù)；m為互斥數(shù)據；z為監(jiān)測值的概率值[14]。由于網絡安全數(shù)據中存在多個監(jiān)測數(shù)據的情況，假設有n個傳感器節(jié)點發(fā)送過來信息，其監(jiān)測的信息分別為B1,B2，…，Bn，并且這些數(shù)據中條件獨立，則得到后驗概率[15]p|Ai/B1∩B2…Bn|為：

為保證實驗平臺的規(guī)范性與合理性，搭建一個H-NSSA測試環(huán)境，如圖3所示。其中，仿真環(huán)境的區(qū)域為300m*300m，隨機部署200個傳感器節(jié)點，傳感器節(jié)點通信范圍為30m，其中10%的節(jié)點作為實驗數(shù)據樹的簇頭節(jié)點。并利用Blade IDS Informer用來發(fā)送攻擊報文，Blade IDS Informer為一個高級包重發(fā)工具，其中包含606種攻擊種類，并不需要任何協(xié)議和服務且擁有獨有的、安全的包分發(fā)機制。

【參考文獻】：
期刊論文
[1]基于模糊推理的計量自動化系統(tǒng)網絡安全態(tài)勢感知[J]. 錢斌,蔡梓文,肖勇,楊勁鋒,廖年冬,蘇盛.  南方電網技術. 2019(02)
[2]基于多源數(shù)據融合的電力故障事件識別及預控系統(tǒng)[J]. 魏可慰,張琴,朱凌,譚遲幸,謝煒俊.  電子設計工程. 2018(18)
[3]分布式網絡多層次數(shù)據挖掘改進方法研究[J]. 孫艷.  科技通報. 2018(05)
[4]云計算環(huán)境下的智能電網光通信網絡安全的研究[J]. 杜博.  自動化與儀器儀表. 2018(01)
[5]多階段大規(guī)模網絡攻擊下的網絡安全態(tài)勢評估方法研究[J]. 唐贊玉,劉宏.  計算機科學. 2018(01)
[6]基于譜聚類的訪問控制異常權限配置挖掘機制[J]. 房梁,殷麗華,李鳳華,方濱興.  通信學報. 2017(12)
[7]海量DSM數(shù)據的網絡輕量化可視化方法[J]. 張昀昊,朱慶,朱軍,劉銘崴,何華貴,楊衛(wèi)軍,張鵬程,曹振宇.  測繪科學技術學報. 2017(06)
[8]基于布谷鳥搜索優(yōu)化BP神經網絡的網絡安全態(tài)勢評估方法[J]. 謝麗霞,王志華.  計算機應用. 2017(07)
[9]移動網絡安全策略沖突檢測方法的改進研究[J]. 周健,沈震群.  現(xiàn)代電子技術. 2017(03)
[10]基于流形學習的路面破損圖像多特征融合與可視化[J]. 石陸魁,周浩,劉文浩.  公路交通科技. 2016(11)



本文編號：3405792