科研之友
微信
新浪微博
Facebook
分享链接
摘要
与传统电信网络和无线传感网络相比,光网络具有更快的数据传输速度和更大的数据规模,因此面临恶意数据攻击的风险随之增加。当前用于典型恶意数据的检测方法,无法应对大规模网络数据的系统检测,综合检测率水平较低,提出基于分布式BP神经网络与遗传算法相结合的恶意数据自动检测方法研究,依据BP神经网络算法原理,构建恶意数据特征检测模型;为提高样本数据学习和训练的效果和完整性,对大规模的数据集进行分割和风险评估;将分割后的小样本数据输入分布式BP神经网络模型进行自动检测,同时引入遗传算法求解最优网络权值,解决了BP算法收敛速度慢,易陷入局部最优的不足,最终实现对光网络中典型恶意数据的精确检测。仿真数据结果证明,提出的自动检测方法具有较高的检测率,同时也能将检测的误报率和漏报率控制在一个较低水平。
- 单位
