基于双重属性值的分组P2P信任模型

为提高P2P信任模型对恶意节点的抑制能力,提出一种改进的分组P2P信任模型。利用模糊推理规则结合信任值和贡献值,将网络中节点划分为若干不同等级的小组,通过小组等级限制节点的资源访问权限。在直接信任度的计算中引入时间衰减函数反映节点的实时情况,并设置惩罚因子对节点的恶意行为进行惩罚。在推荐信任度的计算中结合小组等级计算推荐节点可信度,以降低算法的复杂度。数据分析结果表明,该模型能有效抑制恶意节点的攻击,随着共谋节点、自私节点及震荡节点的增加,其文件下载成功率高于Peer Trust模型和Eigen Trust模型。

计算机网络信息管理及其安全防护策略

计算机网络已经全面渗透进了人民的工作与生活中,而海量的网络信息传输带来的安全风险也引起了使用者的关注,必须能够对计算机运行、服务器、用户和资源等不同方面产生的数据信息展开有效的安全防护。文章首先概述了计算机网络信息管理和信息安全的范畴,然后揭示了信息管理存在的问题,最后提出了计算机网络信息管理及安全防护措施,以供参考。

大数据时代人工智能在计算机网络技术中的应用

计算机网络在被广泛应用的同时也存在着一定的安全风险,若安全防护不完善,病毒、黑客攻击等各种情况都可能发生。计算机网络的安全隐患涉及的范围较大,一旦出现安全问题就有可能产生不可预测的经济损失,甚至有可能威胁到国家安全,因此必须要高度重视。人工智能技术的发展和应用,在很大程度上改善了计算机网络的安全,且人工智能在计算机网络技术中的应用能够有效保障数据存储和传输的安全。大数据时代,人工智能得到了更广泛的应用,促使计算机系统的信息处理速度、精度都取得了大幅提高。本文简要论述了人工智能技术,分析了大数据特征,总结了在计算机网络技术中应用人工智能的策略,以期为相关领域的工作人员提供参考。