重采样与机器学习结合的防火墙链接动态分配

摘要：

通过对网络防火墙连接的动态分配设计,提高网络安全性能和对攻击数据的检测性能,传统方法采用多级处理的有限排队理论的动态分配设计方案,导致防火墙对攻击序列排队解析模型处理混乱,攻击捕获性能不好.提出一种基于重采样与机器学习结合的防火墙链接动态分配设计方法.基于重采样与机器学习结合方法,进行防火墙协议的动态链接分配,数据输入包输入防火墙模型中,排队等待处理,定义数据防火墙链接信息流全极点中心矩阵,基于贝叶斯参数估计进行攻击信息特征挖掘,通过重采样技术提高防火墙的抗干扰能力,求得重采样频谱.提高数据包信息的有效到达率,网络防火墙的链接动态分配转化为对数据集从数据向量点积,优化的动态分配设计.实验得出,采用该算法,能有效提高对攻击数据的检测性能,差错率较低,性能优越.

关键词：重采样、机器学习、防火墙、动态分配

所属期刊栏目：31

分类号：TP393(计算技术、计算机技术)

在线出版日期：2015-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：64-66