大数据驱动下复杂网络输入节点在线筛选仿真

摘要：

目前网络输入节点筛选方法漏检率和运行复杂度高,提出基于度量阈值的大数据驱动下复杂网络输入节点在线筛选方法.将数据样本属性的数量、数据样本的数量和预设信息熵阈值当作节点数据降维的输入,同时计算输入节点中各数据属性信息熵,将计算出的信息熵与预设信息熵阈值进行对比,以此得到节点数据样本中心化函数和协方差函数,根据所得结果计算选定变换基,将选定变换基代入节点数据降维,获得节点数据降维结果.将节点数据降维结果引入复杂网络输入节点筛选中,通过数据采样对任意节点自适应度量阈值进行计算,利用所得阈值对某节点是否为恶意节点进行判断.将各簇头的节点当作中心节点,利用数据样本分别和各簇头节点实行聚类处理,并对大数据驱动下复杂网络中有恶意行为的所有输入节点实行属性划分操作,利用恶意节点的筛选,对聚类之后的网络输入节点再次筛选,直到选定的网络输入节点全部被筛选完毕.实验结果表明,所提方法筛选漏检率和运行复杂度均较低,具有较强的可靠性.

关键词：大数据、复杂网络、节点、筛选

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：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：188-192