分布式网络信息虚假数据准确识别仿真

摘要：

对分布式网络信息虚假数据进行准确识别,能够降低用户数据发生篡改的风险,避免由虚假数据攻击导致的用户损失.当前虚假数据识别方法受网络噪声和数据报文丢失率的影响严重,导致检测识别的准确性不佳,由此,提出了基于分布式空间状态模型结合扩展卡尔曼的虚假数据识别方法.该方法首先利用邻近节点数据,对相邻节点的用户数据状态向量进行估计,确保计算的全局性;然后建立节点用户数据的空间状态模型方程,根据时间与观测值,利用扩展卡尔曼对用户数据进行估计更新,计算得到的估计值是其正常数据值的中心,通过判断观测值是否在正常范围,识别出特征数据是否为虚假数据.通过合成数据进行仿真,证明了提出的新方法在分布式网络用户虚假无效数据识别方面具有更好的检测率与虚警率,抗干扰能力与抗报文丢失能力更强.

关键词：分布式网络、分布式状态估计、空间状态模型、扩展卡尔曼滤波、虚假数据

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-05-24（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：269-272