文献类型：期刊文章

作　　者：潘宝柱[1] 魏文英[1] 昝立荣[1] 张秀珍[2]

PAN Bao-zhu;WEI Wen-ying;ZAN Li-rong;ZHANG Xiu-zhen(Hebei Polytechnic Institute,Shijiazhuang Hebei 050091,china;School of Mathematics&Statistics Shanxi Datong University,Datong Shanxi 037009,China)

机构地区：[1]河北工程技术学院,河北石家庄050091 [2]山西大同大学数学与统计学院,山西大同037009

出　　处：《计算机仿真》

年　　份：2022

卷　　号：39

期　　号：2

起止页码：357-360

语　　种：中文

收录情况：BDHX、BDHX2020、JST、ZGKJHX、核心刊

摘　　要：当前的网络多入侵行为识别方法无法计算入侵信任度,导致传统方法下网络流量数据振幅识别结果波动不大,识别结果存在失真问题。为解决上述问题,基于信任度计算设计多入侵识别数学建模仿真方法。通过构建动静结合的信任度模型,计算网络节点多入侵信任度,并输入至基于深度学习神经网络多入侵识别数学模型中。利用自适应特征映射和深度学习神经网络算法,通过确定各网络节点的权值实现网络多入侵特征匹配。并通过深度学习神经网络调整模型的误差,实现网络多入侵识别。实验结果表明,上述方法通过引入动态信任度反映节点的信任度变化,对网络多入侵识别具有积极作用。所提方法识别输出的网络流量数据振幅变化显著,且识别结果与实际结果相同并具有稳定区间,有效提高了网络多入侵识别能力,合理规避网络风险。

关 键 词：信任度计算  多入侵识别  建模仿真 自适应特征映射  深度学习神经网络算法  

分 类 号：TP393.08]