傳統(tǒng)針對分布式網(wǎng)絡(luò)虛假數(shù)據(jù)注入攻擊的檢測方法具有檢測時間長、準(zhǔn)確率低的問題,提出了一種分布式網(wǎng)絡(luò)虛假數(shù)據(jù)注入攻擊檢測方法。通過分析虛假數(shù)據(jù)的注入攻擊機(jī)理,濾除分布式網(wǎng)絡(luò)虛假數(shù)據(jù)中的噪聲,利用虛假數(shù)據(jù)的時間窗與數(shù)據(jù)占比之間的關(guān)系,確定了虛假數(shù)據(jù)注入攻擊檢測模型的檢測過程,建立了檢測模型。計(jì)算虛假數(shù)據(jù)的信噪比和均方根誤差,在此基礎(chǔ)上使用小波閾值去噪法完成分布式網(wǎng)絡(luò)虛假數(shù)據(jù)的預(yù)處理。將處理后的虛假數(shù)據(jù)輸入到檢測模型中,通過虛假數(shù)據(jù)的更新門和重置門得到虛假數(shù)據(jù)注入攻擊訓(xùn)練數(shù)據(jù)集,完成分布式網(wǎng)絡(luò)虛假數(shù)據(jù)注入攻擊的檢測。實(shí)驗(yàn)結(jié)果顯示,所提檢測方法與傳統(tǒng)檢測方法相比,對虛假數(shù)據(jù)注入攻擊的檢測時間較短且準(zhǔn)確率較高,具有一定的實(shí)用性。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 虛假數(shù)據(jù)注入攻擊檢測模型的檢測過程

在獲取預(yù)處理數(shù)據(jù)集的基礎(chǔ)上，利用虛假數(shù)據(jù)標(biāo)記值在處理二分類問題上的優(yōu)勢，將虛假數(shù)據(jù)注入攻擊的決策樹算法與攻擊梯度提升框架迭代在一起，在縮短檢測時間的基礎(chǔ)上，保障虛假數(shù)據(jù)注入攻擊檢測模型的檢測精度[9-10]。1.3對虛假數(shù)據(jù)注入攻擊的檢測

圖2 虛假數(shù)據(jù)注入攻擊的檢測流程

綜上，分布式網(wǎng)絡(luò)中的數(shù)據(jù)量比較大，不僅會延長檢測的時間，且還會增加計(jì)算的難度，故在計(jì)算虛假數(shù)據(jù)信噪比和均方根誤差的基礎(chǔ)上，處理了虛假數(shù)據(jù)分解系數(shù)[21]，實(shí)現(xiàn)虛假數(shù)據(jù)的重構(gòu)，完成了分布式網(wǎng)絡(luò)虛假數(shù)據(jù)的預(yù)處理。通過分析虛假數(shù)據(jù)注入攻擊機(jī)理[22]，濾除分布式網(wǎng)絡(luò)虛假數(shù)據(jù)中的噪聲，利....

圖4 虛假數(shù)據(jù)注入攻擊的檢測準(zhǔn)確率對比

根據(jù)式（9）得到虛假數(shù)據(jù)注入攻擊的檢測準(zhǔn)確率，對比結(jié)果如圖4所示。分析圖4可知，在400Mb虛假數(shù)據(jù)注入攻擊下，文獻(xiàn)[3]中的方法檢測準(zhǔn)確率平均為70%，文獻(xiàn)[4]中的方法檢測準(zhǔn)確率平均為65%，而本文所提方法的檢測準(zhǔn)確率平均為86%。從試驗(yàn)結(jié)果可得，本文所提方法檢測虛假數(shù)據(jù)注....

本文編號：4026960