局域网公用信道差异化入侵数据识别仿真研究

摘要：

对局域网公用信道差异化入侵数据进行高效识别,可提升局域网安全性能,提高使用者的满意度.当前利用稀疏向量距离法,对入侵数据进行识别时,不可利用数据和重复数据清除效果差,入侵数据识别水平低.提出利用云模型与半监督聚类法相结合的方式,对入侵数据进行识别,通过可忍受的代价寻找出最能够描述数据集类型的数据特征子集.凭借选出的数据特征集中各个特征对于所属特征集而言,均为相关且非冗余,来构建有效数据特征集.将有效特征集输入至半监督聚类法和云模型相结合的入侵数据识别体系中,依据半监督聚类法对有效特征集中的数据进行分类,将分类结果簇的大小进行排序,并选出正常数据簇,和异常数据簇.采用云模型其将剩余数据分类,将分类结果加入至对应簇中,更新云模型,对各数据属性权重重新进行计算,对其它数据聚类进行指导,以提升入侵数据识别质量.仿真表明,上述方法在不可利用数据和重复数据清除方面,及入侵数据识别方面,均优于当前方法,具有较高可靠性.

关键词：公用信道、差异化、入侵数据识别

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

在线出版日期：2018-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：424-427