摘要

利用当前方法对无源光网络进行异常信息入侵风险感知时没有对网络数据进行预处理,存在入侵风险感知效果差的问题,因此,提出无源光网络异常信息入侵风险感知系统模型方法。该方法首先对网络数据进行数值化、标准化以及归一化处理,进而将数据进行分类,根据分类后提取出数据的特征属性完成数据的预处理。其次构建基于CMAC神经网络的入侵风险感知模型,利用模型得出具有相似性的数据,并对其进行校正。最后计算出输出结果与目前已知入侵风险种类的距离,并与固定阈值进行比较,实现无源光网络异常信息入侵风险感知。实验结果表明,所提方法的入侵风险感知效果较好,其感知准确率最高值达到了90%,且扩大了风险感知的适用范围。

全文