Lorenz混沌异步跟踪深度伪装网络攻击信号最优检测

摘要：

提出采用Lorenz混沌系统异步跟踪优化期望最大化高斯混合模型算法实现对低信噪比下深度伪装的网络攻击信号最优检测。通过提取待检测网络数据流参数向量和正常数据流参数向量的差值为特征，使用高斯混合模型并与期望最大化算法相结合，设计Lorenz混沌异步跟踪检测算法，对网络数据流进行建模和检测。仿真结果表明改进的检测算法能有效去除不是攻击信号的伪峰，相比Hough变化检测算法，能更加正确地检测非法攻击信号，信噪比为-15dB下，不同异步攻击中的检测概率就能达到100%，实现检测性能最优，尤其适用于信噪比极低的深度伪装网络攻击环境中对攻击信号的检测。研究成果为网络安全防御及应用具有巨大的理论参考价值。

关键词：混沌异步、网络攻击、检测、网络安全

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60873139。

在线出版日期：2013-10-10（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：193-196