海量冗余数据干扰下的网络数据捕获和分析系统研究

传统的网络信号捕获方法通过滑动相关法分析本地样本信号与接收网络信号的关联性,实现信号捕获,但当网络中存在海量冗余数据干扰时,占空较小,容易在无信号时间区间形成大量的噪声,导致网络信号误捕获的问题。因此,提出基于Winpcap网络和kd-treed模型的数据捕获方法,设计网络数据捕获和分析系统,捕获系统包括用于捕获和过滤数据的内核模块、用于数据变换和协议分析的用户分析模块并分析系统实现数据捕获的功能模块。通过Winpcap底层网络分析体系结构,实现网络数据包的捕获,采用kd-treed模型过滤海量数据干扰,提高数据捕获的精度。实验结果表明,所设计系统稳定性高,数据捕获精度高。

海量数据冗余干扰下云数据查询的安全索引构建方法（英文）

针对云数据查询安全检索结构未能考虑数据的不确定性,在海量数据冗余干扰下无法稳定挖掘数据特征,提出一种专门针对海量数据冗余干扰的云数据查询的安全索引构建方法,其构建规则是以数据可被安全查询为基础,构建了一种新型云数据查询的安全索引结构,通过迭代法消除冗余数据,并从位于中心区域的R树开始顺次索引个体云数据,以便得到比较确切且更加安全的查询或索引结果。实验结果表明:所提方法的云数据索引规模大,数据查询效率与查准率高,具有较好的抗干扰性能,且在索引过程中能够消除大量数据冗余干扰,稳定性较好。