热模式分析结合网络自适应跳变算法的超密集网络攻击预测方法

发布时间：2022-12-18 21:39

　　针对超密集网络安全性的问题,提出一种热模式分析结合网络自适应跳变算法的超密集网络攻击预测方法。研究发现超密集网络中漫游用户的安全与其增加的切换百分比有关。提出一种基于热模式分析（Thermal Pattern Analysis, TPA）的网络攻击预测新方法,通过跟踪热能模式的足迹（能量和频谱效率）来确定高速用户的可能攻击区域。引入网络自适应跳变算法,采用网络威胁感知和跳变策略设计指导网络跳变机制的选择。实验结果表明,该方法能够更加准确地在超密集网络环境中找到可能低安全性区域,相比其他较新的同类型预测方法,具有更好的预测性能。 

【文章页数】：9 页

【文章目录】：
0 引 言
1 方法设计
    1.1 系统模型
        1.1.1 说 明
        1.1.2 无线信道模型
        1.1.3 不良模型
        1.1.4 传输模型
        1.1.5 电力消费模型
        1.1.6 能源消费模型
    1.2 方法目标
    1.3 热模式分析
    1.4 网络自适应跳变算法
2 实 验
    2.1 实验设置
    2.2 实验结果及分析
    2.3 算法对比分析
3 结 语


【参考文献】：
期刊论文
[1]动态超密集网络中的Markov预测切换[J]. 孟庆民,赵媛媛,岳文静,邹玉龙,王小明.  通信学报. 2018(10)
[2]超密集网络中D2D通信的高效传输协议设计[J]. 王一丹,冀保峰,韩瑽琤.  计算机应用与软件. 2018(06)
[3]基于区域感知贝叶斯决策的5G超密集异构网络联合垂直切换技术研究[J]. 谭晓衡,谢朝臣,郭坦.  电子学报. 2018(03)
[4]基于网络攻击节点可信度的电力系统状态估计[J]. 谢斌,彭晨,张浩,杨明锦.  仪器仪表学报. 2018(03)
[5]基于深度反卷积神经网络的图像超分辨率算法[J]. 彭亚丽,张鲁,张钰,刘侍刚,郭敏.  软件学报. 2018(04)
[6]基于网络攻击面自适应转换的移动目标防御技术[J]. 雷程,马多贺,张红旗,杨英杰,王利明.  计算机学报. 2018(05)
[7]基于多种支撑点的度量空间离群检测算法[J]. 许红龙,唐颂,毛睿,沈婧,刘刚,陈国良.  计算机学报. 2017(12)
[8]超密集网络中最大化网络吞吐量的预测资源分配[J]. 王俊才,刘婷婷,杨晨阳,孙奇.  信号处理. 2017(03)
[9]无线网络虚拟化中的映射算法研究[J]. 曹傧,夏士超,何芳,李云.  通信学报. 2017(01)
[10]基于因果知识网络的攻击路径预测方法[J]. 王硕,汤光明,寇广,宋海涛.  通信学报. 2016(10)



本文编号：3722812