云计算环境中移动网络低匹配度异质信息入侵感知预测算法

针对传统灰色神经网络组合预测算法对网络中入侵信息预测时,缺乏对低匹配度异质信息的预处理过程,未对信息入侵攻击意图进行预测,存在预测准确率低以及入侵防御性能差等问题,提出一种新的云计算环境中移动网络低匹配度异质信息入侵感知预测算法,通过灰色模型对初始网络低匹配度异质信息进行预处理.先采用基于元路径的低匹配度异质信息入侵感知预测算法得到入侵攻击意图矩阵,再根据该矩阵获取入侵攻击意图函数关系,实现低匹配度异质信息入侵攻击意图预测.仿真实验结果表明,该算法可全面预测信息入侵的意图和过程,对入侵信息节点防御成功率约为85%,误警率和漏警率较低,并具有较高的预测精度.

移动物联网下异质信息入侵感知预测方法仿真

移动物联网入侵攻击环境较为复杂,具有不确定性。当前采用的异质信息入侵感知预测方法收敛性较低、难以识别出入侵形式复杂的复合攻击,导致入侵感知预测结果不可靠,精度低。提出一种移动物联网下异质信息入侵感知预测方法。利用扩展的有向图描述移动物联网入侵攻击类别以及其逻辑关系,依据向后匹配和缺项匹配的形式对入侵报警信息进行关联,按照已关联入侵攻击链的累计权值和攻击图中不同分支的权值计算其可能性。将隐马尔科夫模型应用于移动物联网下异质信息入侵感知预测中,要求移动物联网依据获得的报警信息对隐藏的入侵攻击行为进行挖掘。依据入侵攻击行为概率分布,获得初始状态矩阵、状态转移矩阵以及观测矩阵,通过引入粒子群算法对参数进行全局优化,预测下一步入侵攻击。实验结果表明,上述方法入侵感知预测结果精度较高、泛化能力强。