由于多維網(wǎng)絡(luò)平臺存在異常網(wǎng)絡(luò)流量檢測準確度不高,實時性較差等問題,導致多維網(wǎng)絡(luò)平臺中用戶的隱私信息泄露,網(wǎng)絡(luò)信息安全難以維護。為此提出一種多維網(wǎng)絡(luò)信息流量式泄露高效檢測方法。通過分析網(wǎng)絡(luò)流量系統(tǒng)結(jié)構(gòu),利用協(xié)議特征庫對網(wǎng)絡(luò)流量實施控制。運用歸一化排除不相關(guān)以及冗余的網(wǎng)絡(luò)流量特征,降低原始特征集的維度。根據(jù)流量式泄露網(wǎng)絡(luò)數(shù)據(jù)信息特征構(gòu)建出相空間模型,通過克隆體和匹配度之間的相關(guān)性,對抗體實施變異處理,獲取泄露數(shù)據(jù)平衡特征,通過線性回歸函數(shù)映射到相對應(yīng)的相空間內(nèi)。利用拉格朗日乘子獲取最佳空間優(yōu)化結(jié)果,完成多維網(wǎng)絡(luò)信息流量式泄露的檢測。仿真結(jié)果表明,所提方法有效提高了檢測的準確度,降低運算時的復雜程度,具有高效性、實時性以及優(yōu)質(zhì)的魯棒性。 

【文章來源】：計算機仿真. 2020,37(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

特征相關(guān)性與冗余性視圖

將本文方法與文獻[3]和文獻[4]方法進行檢測效率分析,驗證所提方法檢測時的效率。具體檢測結(jié)果如圖3 所示。分析圖3中可知,采用本文所提方法進行數(shù)據(jù)信息流量式泄漏的檢測效率均在70 %以上,而文獻[3]方法和文獻[4]方法的檢測效率均低于本文所提方法,證明本文方法具有一定的可行性。

通過對3000個未知存在異常流量特征信息集進行檢測,通過對比每種方法能夠檢測出存在異常的數(shù)據(jù)量,分析三種方法的漏檢率,實驗結(jié)果如圖4 所示。通過分析圖4可以看出,采用本文方法對 未知存在異常流量特征信息集中數(shù)據(jù),進行檢測時漏檢的數(shù)量較少,用時較短,而其它兩種方法在進行檢測時,漏檢數(shù)量較多,用時較長。證明本文方法的漏檢率較低,更具優(yōu)勢。

【參考文獻】：
期刊論文
[1]面向Android手機應(yīng)用程序的用戶隱私保護系統(tǒng)研究[J]. 楊金寶,馬寶澤,葉清.  計算機與數(shù)字工程. 2019(09)
[2]面向深度學習加速器的安全加密方法[J]. 左鵬飛,華宇,謝新鋒,胡杏,謝源,馮丹.  計算機研究與發(fā)展. 2019(06)
[3]社交網(wǎng)絡(luò)鏈路預(yù)測的個性化隱私保護方法[J]. 孟緒穎,張琦佳,張瀚文,張玉軍,趙慶林.  計算機研究與發(fā)展. 2019(06)
[4]一種基于網(wǎng)絡(luò)流量分析的快速木馬檢測方法[J]. 宋紫華,郭春,蔣朝惠.  計算機與現(xiàn)代化. 2019(06)
[5]基于深度信念網(wǎng)絡(luò)模型的多目標優(yōu)化[J]. 李愛蓮,畢澤偉.  科學技術(shù)與工程. 2019(16)
[6]多源頭網(wǎng)絡(luò)用戶訪問信息自適應(yīng)識別算法[J]. 詹華蕊,楊花雨.  科學技術(shù)與工程. 2019(16)
[7]移動社會網(wǎng)絡(luò)中基于多維上下文匹配的數(shù)據(jù)轉(zhuǎn)發(fā)算法[J]. 徐方,鄧敏,熊曾剛,葉從歡,徐寧.  計算機科學. 2019(02)
[8]網(wǎng)絡(luò)安全防御中蠕蟲優(yōu)化檢測仿真[J]. 王艷麗,王建設(shè).  計算機仿真. 2018(07)
[9]在線/離線的可追責屬性加密方案[J]. 張凱,馬建峰,張俊偉,應(yīng)作斌,張濤,劉西蒙.  計算機研究與發(fā)展. 2018(01)
[10]Android隱式信息流檢測的本體模型[J]. 劉其源,焦健,曹宏盛.  計算機應(yīng)用. 2018(01)



本文編號：3548612