基于哈希锁定的网络传输异常序列监测仿真

发布时间：2021-04-07 05:20

　　为有效提升传统网络传输异常序列监测方法的处理效率,提出基于哈希锁定的网络传输异常序列监测方法。利用随机投影的哈希函数将高维空间数据转换为低维空间数据,并利用网络传输序列的多元数量值函数,组建网络传输结构模型。对网络传输结构模型进行流量时频采样以及时间序列分析,结合FIR滤波器对其进行流量抗干扰处理,通过高阶累计的振荡衰减,对输出的滤波数据进行特征搜索及提取,实现基于哈希锁定的网络传输异常序列监测。仿真结果表明,所提方法具有较强的抗干扰性,并且能够确保网络的稳定运行。 

【文章来源】：计算机仿真. 2020,37(04)北大核心

【文章页数】：4 页

【部分图文】：

随机游走的具体流程

为了更加全面的验证所提方法的优越性,以下选取文献[1]监测方法以及文献[2]监测方法作为对比方法,进行仿真测试,实验主要针对100组测试样本进行监测误差测试,具体的对比结果如图2所示。分析图2可知,不同监测方法的监测误差是随着测试样本数量的变化而变化的,其中所提方法的监测误差最低,且一直低于0.2%,由此充分说明了所提方法的优越性。另外文献[1]监测方法以及文献[2]监测方法的监测误差明显高出所提方法,这两种监测方法的监测误差较高,说明它们无法准确的监测网络传输序列中的异常状态,同时还会造成相应的损失。所提方法能够更加准确的监测网络传输序列中存在的异常,并且及时发出警报,提醒系统做好相应的防护措施。

【参考文献】：
期刊论文
[1]面向大数据的网络舆情异常数据监测与应用研究[J]. 夏一雪,袁野,张文才,兰月新.  现代情报. 2018(06)
[2]基于多维度体感信息的在线考试异常行为监测[J]. 范子健,徐晶,刘威.  计算机工程与科学. 2018(02)
[3]基于数据挖掘的网络状态异常检测[J]. 周鹏,熊运余.  吉林大学学报(理学版). 2017(05)
[4]基于大数据的电力信息网络流量异常检测机制[J]. 姜红红,张涛,赵新建,钱欣,赵天成,高莉莎.  电信科学. 2017(03)
[5]基于云模型的网络异常流量检测[J]. 费金龙,王禹,王天鹏,祝跃飞.  计算机工程. 2017(01)
[6]基于信息增益特征选择的网络异常检测模型[J]. 刘汝隽,贾斌,辛阳.  计算机应用. 2016(S2)
[7]采用压缩感知和GM（1,1）的无线传感器网络异常检测方法[J]. 刘洲洲,李士宁.  西安交通大学学报. 2017(02)
[8]基于多模态数据流的无线传感器网络异常检测方法[J]. 费欢,肖甫,李光辉,孙力娟,王汝传.  计算机学报. 2017(08)
[9]基于耦合动态离散事件链相关性的信息网络异常检测初探[J]. 陈颖,韦尊,于智同,黄少伟.  电力系统自动化. 2016(17)
[10]恒虚警下异常网络流量序列监测技术仿真分析[J]. 刘海涛.  计算机仿真. 2016(08)



本文编号：3122881