网络存储隐蔽信道检测的改进与优化仿真

发布时间：2018-08-27 09:55

【摘要】：在网络存储隐蔽信道通过存储特征的异常性检测优化中,由于存储特征有较强的伪装性和变化随机性,采用当前算法进行隐蔽信道检测时,各种存储特征指标无法完成量化,存在隐蔽信道检测误差大的问题。为解决上述问题,提出一种改进校正熵的网络存储隐蔽信道优化检测方法。上述方法先引入高阶随机统计量描述网络用户存储规律,融合于条件熵理论,对网络用户存储操作序列的次数进行预测,并利用熵率的随机性度量指标衡量网络原始存储数据流熵率的变化,计算出网络存储数据变化的规律性指标,以上述指标为依据对网络存储隐蔽信道进行检测,改进了当前算法的弊端,极大地提升了算法的检测精度。仿真结果表明,上述算法提高了网络存储隐蔽信道检测精确度。
[Abstract]:In network storage covert channel detection optimization through storage features, because storage features have strong camouflage and randomness, when using the current algorithm to detect hidden channels, various storage feature indicators can not be quantified. There exists the problem of large detection error of covert channel. In order to solve the above problems, a network storage covert channel optimization detection method based on modified correction entropy is proposed. The above method firstly introduces high-order random statistics to describe the rules of network user storage, and combines the theory of conditional entropy to predict the number of times of network user storage operation sequence. The random measure index of entropy rate is used to measure the change of the entropy rate of the original storage data stream of the network, and the regular index of the network storage data change is calculated. Based on the above indexes, the hidden channel of the network storage is detected. The shortcomings of the current algorithm are improved, and the detection accuracy of the algorithm is greatly improved. Simulation results show that the proposed algorithm improves the accuracy of network storage hidden channel detection.
【作者单位】： 南开大学滨海学院;
【分类号】：TP393.08

【参考文献】

相关期刊论文 前9条

1 郭俊;;面向大规模网络的超高密度信息存储系统设计[J];西安工程大学学报;2016年04期

2 向春枝;范颖;;云计算环境中分布式数据存储关键技术研究[J];现代电子技术;2016年03期

3 马春波;李光辉;杜以聪;;参数自适应设定的隐蔽时间信道[J];计算机与数字工程;2015年11期

4 吴敬征;武延军;罗天悦;武志飞;杨牧天;王永吉;;一种基于权限控制机制的Android系统隐蔽信道限制方法[J];中国科学院大学学报;2015年05期

5 袁健;王涛;;基于聚类分析的网络存储隐蔽信道检测算法[J];计算机工程;2015年09期

6 孙志刚;;大型网络控制装置的可靠性检测仿真分析[J];计算机仿真;2015年07期

7 刘标;兰少华;张晶;刘光杰;;一种基于递归图的网络时间隐蔽信道检测方法[J];计算机科学;2015年02期

8 周庆;洪颖;;基于微博发表时间的隐蔽信道研究[J];计算机应用研究;2014年09期

9 陆维迪;兰少华;田金川;刘伟;;时间划分式网络隐蔽信道的设计与实现[J];计算机应用研究;2014年08期

【共引文献】

相关期刊论文 前10条

1 李云霞;;海量图书信息快速检索优化管理仿真研究[J];计算机仿真;2017年05期

2 杨浩;张璐璐;;网络传输信道危险信号检测方法研究仿真[J];计算机仿真;2017年04期

3 梁竣;;网络存储隐蔽信道检测的改进与优化仿真[J];计算机仿真;2017年02期

4 李云霞;;图书馆借阅信息优化管理仿真研究[J];计算机仿真;2017年01期

5 李建荣;付学良;;网络中高速目标信息优化检测仿真研究[J];计算机仿真;2017年01期

6 刘兴星;;云环境下网络数据存储安全分析[J];黑龙江科技信息;2016年30期

7 杨浩;谢昕;李卓群;章玲玲;;网络中隐蔽信道数据安全检测模型研究与仿真[J];计算机仿真;2016年10期

8 王嵘冰;徐红艳;康鹏;谭畅;;云计算环境下信息资源共享管理研究[J];中国管理信息化;2016年17期

9 叶双音;王亚男;龚佃选;时建;史雪芳;;基于云存储技术的数字点餐软件及应用[J];中国高新技术企业;2016年24期

10 安子强;;复杂网络隐蔽信道资源快速调度方法[J];计算机仿真;2016年08期

【二级参考文献】

相关期刊论文 前10条

1 王翔文;李志华;;基于小波变换和神经网络的雷达滤波器故障诊断[J];电子设计工程;2016年08期

2 王跃飞;于炯;鲁亮;;面向内存云的数据块索引方法[J];计算机应用;2016年05期

3 曹玖新;陈高君;吴江林;刘波;周涛;胥帅;朱子青;;基于多维特征分析的社交网络意见领袖挖掘[J];电子学报;2016年04期

4 刘俊;刘瑜;何友;孙顺;;杂波环境下基于全邻模糊聚类的联合概率数据互联算法[J];电子与信息学报;2016年06期

5 陈海燕;刘威;李莉;;相对相位噪声对相干光通信系统性能影响[J];激光技术;2016年01期

6 左晓静;王荣;;一种基于云计算的海量数据分布式存储策略[J];河南科学;2015年12期

7 吴鸿华;穆勇;屈忠锋;邓丽霞;;基于面板数据的接近性和相似性关联度模型[J];控制与决策;2016年03期

8 阎芳;李元章;张全新;谭毓安;;基于对象的OpenXML复合文件去重方法研究[J];计算机研究与发展;2015年07期

9 吴涛;陈黎飞;郭躬德;;优化子空间的高维聚类算法[J];计算机应用;2014年08期

10 陈素霞;;计算机病毒网络传播模型稳定性与控制研究[J];电脑开发与应用;2014年05期

【相似文献】

相关期刊论文 前10条

1 王永吉;吴敬征;曾海涛;丁丽萍;廖晓锋;;隐蔽信道研究[J];软件学报;2010年09期

2 张树勇;万厚冲;;基于模型的时间隐蔽信道的一种算法[J];科技风;2010年05期

3 汪婧;高能;林t燂，

本文编号：2206926