基于门限联合判别的同质网络入侵检测仿真

发布时间：2021-03-13 02:41

　　动态同质网络在路由转发控制中节点分布具有动态性,容易受到病毒入侵,提出基于上下门限联合判别的动态同质网络入侵检测算法。以时间均值和谱密度为网络入侵检测的统计特征量,采用宽平稳随机序列分析方法构建网络入侵的统计信号分析模型,对入侵信号采用相关性检测和同态匹配滤波方法进行降噪和盲源分离处理,结合极速学习方法进行动态同质网络的入侵特征量提取,采用上下门限联合判别方法实现动态同质网络的入侵检测。仿真结果表明,采用该方法进行动态同质网络的入侵检测的准确性较高,抗干扰能力较强,对入侵信息的准确检测概率提升效果显著。 

【文章来源】：计算机仿真. 2020,37(03)北大核心

【文章页数】：5 页

【部分图文】：

极速学习机模型进行网络入侵滤波和盲源分离

网络入侵的特征分类器

动态同质网络的流量序列采样波形

【参考文献】：
期刊论文
[1]采用新邻居模型的多目标分解进化算法[J]. 李智翔,李赟,贺亮.  计算机工程与应用. 2018(14)
[2]基于线性松弛方法的网络故障链路诊断[J]. 范晓波,李兴明.  计算机应用. 2018(07)
[3]动态同质网络上的SIR谣言传播模型[J]. 付伟,王静,潘晓中,刘亚州.  计算机应用. 2018(07)
[4]新型含噪数据流集成分类的算法[J]. 袁泉,郭江帆.  计算机应用. 2018(06)
[5]基于优化数据处理的深度信念网络模型的入侵检测方法[J]. 陈虹,万广雪,肖振久.  计算机应用. 2017(06)
[6]海量数据环境下用于入侵检测的深度学习方法[J]. 高妮,贺毅岳,高岭.  计算机应用研究. 2018(04)
[7]几何结构保持非负矩阵分解的数据表达方法[J]. 李冰锋,唐延东,韩志.  信息与控制. 2017(01)
[8]面向贯序不均衡分类的粒度极限学习机[J]. 毛文涛,田杨阳,王金婉,何玲.  控制与决策. 2016(12)
[9]引入偏移量递阶控制的网络入侵HHT检测算法[J]. 章武媚,陈庆章.  计算机科学. 2014(12)
[10]基于信号互相关的低速率拒绝服务攻击检测方法[J]. 吴志军,李光,岳猛.  电子学报. 2014(09)



本文编号：3079431