針對機器學習、生物免疫以及條件概率算法下的三種可滲透路徑預測方法存在的空間復雜度高、預測覆蓋面小問題,提出基于貝葉斯算法的開放式動態(tài)網絡可滲透路徑預測方法。方法對貝葉斯算法進行描述,并基于貝葉斯算法設計可滲透路徑預測方法,分析開放式動態(tài)網絡可滲透過程,然后對可滲透數據進行采集并處理,提取可滲透特征,建立基于貝葉斯算法的預測模型,實現可滲透路徑預測。結果表明,與機器學習、生物免疫以及條件概率算法下的三種可滲透路徑預測方法相比,所提方法空間復雜度最低,預測覆蓋面最大,最高可達98%。

【文章頁數】：5 頁

【文章目錄】：
1 引言
2 貝葉斯算法描述
3 基于貝葉斯算法的可滲透路徑預測方法
    3.1 開放式動態(tài)網絡滲透分析
    3.2 可滲透數據特征提取
        1)入侵數據采集
        2)入侵數據過濾
        3)滲透數據特征提取
    3.3 可滲透路徑預測
4 仿真研究
    1)空間復雜度測試
    2)預測覆蓋面測試
5 結束語



本文編號：3854395