科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位河北工程技术学院; 山西大同大学
