虛假震后信息入侵嚴(yán)重干擾抗震救災(zāi)與災(zāi)后重建進(jìn)程,為防止虛假震后信息在互聯(lián)網(wǎng)中大肆傳播,需對(duì)震后虛假信息進(jìn)行精準(zhǔn)識(shí)別,設(shè)計(jì)基于互聯(lián)網(wǎng)的震后虛假信息入侵實(shí)時(shí)檢測(cè)系統(tǒng)。互聯(lián)網(wǎng)以Web服務(wù)器為載體傳播信息,數(shù)據(jù)包捕獲模塊采用WinPcap技術(shù),并從中獲取有效數(shù)據(jù)包,在協(xié)議解析模塊中完成數(shù)據(jù)包TCP/IP協(xié)議、CMP協(xié)議、UDP協(xié)議解碼工作,解碼后的數(shù)據(jù)輸入到基于SVM的震后虛假信息檢測(cè)模型中。SVM模型尋求最優(yōu)超平面將震后信息分為虛假與真實(shí)兩個(gè)類(lèi)別,根據(jù)該結(jié)果完成震后虛假信息入侵實(shí)時(shí)檢測(cè)。由實(shí)驗(yàn)結(jié)果可知該系統(tǒng)檢測(cè)震后虛假信息入侵誤報(bào)率低于3%,相比同類(lèi)型系統(tǒng)具有接收數(shù)據(jù)能力強(qiáng)、效率高的優(yōu)勢(shì),對(duì)精準(zhǔn)檢測(cè)震后虛假信息具有重要意義。 

【文章來(lái)源】：地震工程學(xué)報(bào). 2020,42(01)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

基于互聯(lián)網(wǎng)的震后虛假信息入侵實(shí)時(shí)檢測(cè)系統(tǒng)總體結(jié)構(gòu)

互聯(lián)網(wǎng)由多個(gè)Web服務(wù)器構(gòu)成,服務(wù)器相互連接形成內(nèi)容豐富的互聯(lián)網(wǎng)�；ヂ�(lián)網(wǎng)通過(guò)Web服務(wù)器實(shí)現(xiàn)震后虛假信息入侵檢測(cè)[8],系統(tǒng)采用的Web服務(wù)器結(jié)構(gòu)如圖2所示。由圖2能夠看出,Web服務(wù)器包括Web設(shè)備與Web瀏覽器兩部分;TCP/IP協(xié)議、HTTP協(xié)議是連接Web設(shè)備與Web瀏覽器的紐帶,前者負(fù)責(zé)底層通信,后者負(fù)責(zé)頂層通信;Web瀏覽器采用Script解析器、HTML解析器完成瀏覽器腳本與HTML語(yǔ)言的解析工作;Web服務(wù)器接收Form生成器生成的動(dòng)態(tài)Form,接著由Form解析器解析動(dòng)態(tài)Form,與Web設(shè)備的應(yīng)用管理程序通道協(xié)作配置,控制Web設(shè)備。基于互聯(lián)網(wǎng)檢測(cè)震后虛假信息時(shí),Web設(shè)備與Web服務(wù)器應(yīng)用程序的通信,體現(xiàn)在Web瀏覽器端生成的HTML文檔。

在互聯(lián)網(wǎng)中獲取震后信息是數(shù)據(jù)包捕獲模塊的主要任務(wù),數(shù)據(jù)包捕獲模塊是系統(tǒng)的基本處理模塊[9]。模塊功能如下[10]:從互聯(lián)網(wǎng)中采集震后信息數(shù)據(jù)包,提取受保護(hù)網(wǎng)絡(luò)的數(shù)據(jù)包供協(xié)議分析模塊進(jìn)行分析,是系統(tǒng)的數(shù)據(jù)來(lái)源。網(wǎng)絡(luò)中信息流不斷增加,以此數(shù)據(jù)包捕獲模塊必須具備穩(wěn)定、可靠的性能,降低系統(tǒng)的誤報(bào)率,提升系統(tǒng)檢測(cè)率[11]。數(shù)據(jù)包捕獲模塊使用WinPcap數(shù)據(jù)包捕獲技術(shù),因而具備優(yōu)秀的數(shù)據(jù)包捕獲機(jī)制,信息過(guò)濾技術(shù)可自動(dòng)過(guò)濾用戶不關(guān)注的數(shù)據(jù)包,大大提升系統(tǒng)獲取網(wǎng)絡(luò)數(shù)據(jù)包的性能。數(shù)據(jù)包捕獲模塊結(jié)構(gòu)見(jiàn)圖3,由圖3可知,該模塊主要由低級(jí)動(dòng)態(tài)鏈接庫(kù)、高級(jí)動(dòng)態(tài)鏈接庫(kù)、內(nèi)核級(jí)網(wǎng)絡(luò)組包過(guò)濾器構(gòu)成。(3) 協(xié)議解析模塊

【參考文獻(xiàn)】：
期刊論文
[1]基于格蘭杰因果分析的MCI腦網(wǎng)絡(luò)分類(lèi)研究[J]. 崔會(huì)芳,周夢(mèng)妮,王彬,相潔,曹銳,閻鵬飛.  太原理工大學(xué)學(xué)報(bào). 2018(06)
[2]基于關(guān)鍵詞的文本向量化與分類(lèi)算法研究[J]. 蘇玉龍,張著洪.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[3]結(jié)合特征分析和Svm優(yōu)化的Web入侵檢測(cè)系統(tǒng)[J]. 張偉,巢翌,甘志強(qiáng),鄭紅駒.  計(jì)算機(jī)仿真. 2018(05)
[4]基于互信息的特征選擇在入侵檢測(cè)中的優(yōu)化[J]. 劉云,向嬋,王海花.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[5]分層網(wǎng)絡(luò)偽裝入侵實(shí)時(shí)高速檢測(cè)方法研究[J]. 李軍華.  微電子學(xué)與計(jì)算機(jī). 2017(10)
[6]基于稀疏向量距離的網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)檢測(cè)[J]. 楊浩,章玲玲,熊煥東,謝昕.  科學(xué)技術(shù)與工程. 2017(27)
[7]關(guān)于網(wǎng)絡(luò)中入侵節(jié)點(diǎn)信息優(yōu)化檢測(cè)仿真研究[J]. 馬媛媛,周誠(chéng),李千目.  計(jì)算機(jī)仿真. 2017(08)
[8]基于神經(jīng)網(wǎng)絡(luò)的BP算法研究及在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用[J]. 羅俊松.  現(xiàn)代電子技術(shù). 2017(11)
[9]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的周界入侵檢測(cè)方法[J]. 張永良,張智勤,吳鴻韜,董靈平,周冰.  計(jì)算機(jī)科學(xué). 2017(03)
[10]基于dpdk的高效數(shù)據(jù)包捕獲技術(shù)分析與應(yīng)用[J]. 趙寧,謝淑翠.  計(jì)算機(jī)工程與科學(xué). 2016(11)



本文編號(hào)：3294796