开放式动态网络中可渗透路径预测方法仿真

发布时间：2023-10-15 18:04

　　针对机器学习、生物免疫以及条件概率算法下的三种可渗透路径预测方法存在的空间复杂度高、预测覆盖面小问题,提出基于贝叶斯算法的开放式动态网络可渗透路径预测方法。方法对贝叶斯算法进行描述,并基于贝叶斯算法设计可渗透路径预测方法,分析开放式动态网络可渗透过程,然后对可渗透数据进行采集并处理,提取可渗透特征,建立基于贝叶斯算法的预测模型,实现可渗透路径预测。结果表明,与机器学习、生物免疫以及条件概率算法下的三种可渗透路径预测方法相比,所提方法空间复杂度最低,预测覆盖面最大,最高可达98%。

【文章页数】：5 页

【文章目录】：
1 引言
2 贝叶斯算法描述
3 基于贝叶斯算法的可渗透路径预测方法
    3.1 开放式动态网络渗透分析
    3.2 可渗透数据特征提取
        1)入侵数据采集
        2)入侵数据过滤
        3)渗透数据特征提取
    3.3 可渗透路径预测
4 仿真研究
    1)空间复杂度测试
    2)预测覆盖面测试
5 结束语



本文编号：3854395