摘要
对网络虚拟实验室安全防御进行实时监测,能够有效提升网络实验室的安全性。对网络实验室的安全防御的监测,需要给出网络虚拟实验室信号时间序列的样本熵,得到对实验室时间序列熵的估计值。传统方法设计网络入侵端口中断保护模型,给出网络的模糊入侵信号自校正分离结果,但忽略了获得对实验室时间序列熵的估计值,导致监测精度偏低。提出基于无监督免疫优化分层的网络虚拟实验室安全防御实时监测方法。利用奇异值分解理论将网络虚拟实验室信号划分为长度相同的帧,对每路信号进行信息提取,给出网络虚拟实验室信号时间序列的样本熵,得到对实验室时间序列熵的估计值,对虚拟实验室信号进行重构,对免疫模型进行训练优化,完成对网络虚拟实验室安全防御实时监测。仿真证明,所提方法监测精度较高,为提升高等学校的实验教学质量奠定了基础。