多维网络信息流量式泄露高效检测方法仿真

发布时间：2021-12-23 14:02

　　由于多维网络平台存在异常网络流量检测准确度不高,实时性较差等问题,导致多维网络平台中用户的隐私信息泄露,网络信息安全难以维护。为此提出一种多维网络信息流量式泄露高效检测方法。通过分析网络流量系统结构,利用协议特征库对网络流量实施控制。运用归一化排除不相关以及冗余的网络流量特征,降低原始特征集的维度。根据流量式泄露网络数据信息特征构建出相空间模型,通过克隆体和匹配度之间的相关性,对抗体实施变异处理,获取泄露数据平衡特征,通过线性回归函数映射到相对应的相空间内。利用拉格朗日乘子获取最佳空间优化结果,完成多维网络信息流量式泄露的检测。仿真结果表明,所提方法有效提高了检测的准确度,降低运算时的复杂程度,具有高效性、实时性以及优质的鲁棒性。 

【文章来源】：计算机仿真. 2020,37(05)北大核心

【文章页数】：5 页

【部分图文】：

特征相关性与冗余性视图

将本文方法与文献[3]和文献[4]方法进行检测效率分析,验证所提方法检测时的效率。具体检测结果如图3 所示。分析图3中可知,采用本文所提方法进行数据信息流量式泄漏的检测效率均在70 %以上,而文献[3]方法和文献[4]方法的检测效率均低于本文所提方法,证明本文方法具有一定的可行性。

通过对3000个未知存在异常流量特征信息集进行检测,通过对比每种方法能够检测出存在异常的数据量,分析三种方法的漏检率,实验结果如图4 所示。通过分析图4可以看出,采用本文方法对 未知存在异常流量特征信息集中数据,进行检测时漏检的数量较少,用时较短,而其它两种方法在进行检测时,漏检数量较多,用时较长。证明本文方法的漏检率较低,更具优势。

【参考文献】：
期刊论文
[1]面向Android手机应用程序的用户隐私保护系统研究[J]. 杨金宝,马宝泽,叶清.  计算机与数字工程. 2019(09)
[2]面向深度学习加速器的安全加密方法[J]. 左鹏飞,华宇,谢新锋,胡杏,谢源,冯丹.  计算机研究与发展. 2019(06)
[3]社交网络链路预测的个性化隐私保护方法[J]. 孟绪颖,张琦佳,张瀚文,张玉军,赵庆林.  计算机研究与发展. 2019(06)
[4]一种基于网络流量分析的快速木马检测方法[J]. 宋紫华,郭春,蒋朝惠.  计算机与现代化. 2019(06)
[5]基于深度信念网络模型的多目标优化[J]. 李爱莲,毕泽伟.  科学技术与工程. 2019(16)
[6]多源头网络用户访问信息自适应识别算法[J]. 詹华蕊,杨花雨.  科学技术与工程. 2019(16)
[7]移动社会网络中基于多维上下文匹配的数据转发算法[J]. 徐方,邓敏,熊曾刚,叶从欢,徐宁.  计算机科学. 2019(02)
[8]网络安全防御中蠕虫优化检测仿真[J]. 王艳丽,王建设.  计算机仿真. 2018(07)
[9]在线/离线的可追责属性加密方案[J]. 张凯,马建峰,张俊伟,应作斌,张涛,刘西蒙.  计算机研究与发展. 2018(01)
[10]Android隐式信息流检测的本体模型[J]. 刘其源,焦健,曹宏盛.  计算机应用. 2018(01)



本文编号：3548612