基于聚类分析的网络安全数据特征可视化融合研究

发布时间：2021-09-23 13:29

　　传统的网络安全数据特征可视化融合方法,存在融合精确度低的情况,为解决这一问题,设计了一种基于聚类分析的网络安全数据特征可视化融合方法。根据网络安全数据多源关联性特征,提取网络安全数据,确定网络安全数据事件位置,采用聚类分析算法对网络安全数据特征识别,计算网络安全数据特征可靠度,以数据特征可靠度作为数据融合的依据,采用贝叶斯条件概率得出网络安全数据的后验概率,以此完成网络安全数据特征可视化融合。实验对比结果表明,此次设计的基于聚类分析的网络安全数据特征可视化融合方法比传统方法精确度高,传统方法与此次设计方法的融合精确度最大相差60%左右,最小相差20%左右,证明此次设计的网络安全数据特征可视化融合方法能够满足数据可视化融合需求。 

【文章来源】：长春工程学院学报(自然科学版). 2020,21(02)

【文章页数】：4 页

【部分图文】：

网络安全数据提取过程

式中：a、b分别代表不同传感器传递的数据信息；代表数据条件独立性判断参数；m为互斥数据；z为监测值的概率值[14]。由于网络安全数据中存在多个监测数据的情况，假设有n个传感器节点发送过来信息，其监测的信息分别为B1,B2，…，Bn，并且这些数据中条件独立，则得到后验概率[15]p|Ai/B1∩B2…Bn|为：

为保证实验平台的规范性与合理性，搭建一个H-NSSA测试环境，如图3所示。其中，仿真环境的区域为300m*300m，随机部署200个传感器节点，传感器节点通信范围为30m，其中10%的节点作为实验数据树的簇头节点。并利用Blade IDS Informer用来发送攻击报文，Blade IDS Informer为一个高级包重发工具，其中包含606种攻击种类，并不需要任何协议和服务且拥有独有的、安全的包分发机制。

【参考文献】：
期刊论文
[1]基于模糊推理的计量自动化系统网络安全态势感知[J]. 钱斌,蔡梓文,肖勇,杨劲锋,廖年冬,苏盛.  南方电网技术. 2019(02)
[2]基于多源数据融合的电力故障事件识别及预控系统[J]. 魏可慰,张琴,朱凌,谭迟幸,谢炜俊.  电子设计工程. 2018(18)
[3]分布式网络多层次数据挖掘改进方法研究[J]. 孙艳.  科技通报. 2018(05)
[4]云计算环境下的智能电网光通信网络安全的研究[J]. 杜博.  自动化与仪器仪表. 2018(01)
[5]多阶段大规模网络攻击下的网络安全态势评估方法研究[J]. 唐赞玉,刘宏.  计算机科学. 2018(01)
[6]基于谱聚类的访问控制异常权限配置挖掘机制[J]. 房梁,殷丽华,李凤华,方滨兴.  通信学报. 2017(12)
[7]海量DSM数据的网络轻量化可视化方法[J]. 张昀昊,朱庆,朱军,刘铭崴,何华贵,杨卫军,张鹏程,曹振宇.  测绘科学技术学报. 2017(06)
[8]基于布谷鸟搜索优化BP神经网络的网络安全态势评估方法[J]. 谢丽霞,王志华.  计算机应用. 2017(07)
[9]移动网络安全策略冲突检测方法的改进研究[J]. 周健,沈震群.  现代电子技术. 2017(03)
[10]基于流形学习的路面破损图像多特征融合与可视化[J]. 石陆魁,周浩,刘文浩.  公路交通科技. 2016(11)



本文编号：3405792