基于隐马尔科夫的受攻击光纤网络活跃节点检测方法

传统的受攻击光纤网络活跃节点检测方法通常是被动式的,只能对攻击发生后的行为进行分析,导致检测受攻击活跃节点在光纤网络中的状态值与实际相差较多,为此研究基于隐马尔科夫的受攻击光纤网络活跃节点检测方法。首先对光纤网络活跃节点信号进行去噪处理,通过去噪信号中的数据生成活跃节点特征向量矩阵,进行活跃节点特征融合,在此基础上建立隐马尔科夫受攻击检测模型,定位受攻击光纤网络活跃节点。实验结果表明:该方法在检测受攻击活跃节点在光纤网络中的状态值与实际相接近,精度更高,具有实际的应用价值。

被入侵网络中的活跃节点检测方法研究

对被入侵网络中的活跃节点进行检测,可以保证在网络在瘫痪的情况下,恢复通信能力。被入侵网络与正常网络不同,活跃节点分布具有较大随机性,节点之间的可检测活跃特征的关联较弱,传统的检测方法需要通过节点的关联性才能完成是否活跃的判断,只能以随机检测的方式完成,准确度较低。提出改进约束粒子群算法的被入侵网络中的活跃节点检测方法。上述方法先对采集的被入侵网络中各个活跃节点的原始信号进行特征提取,再将每个活跃节点的特征进行数据标准化处理,将标准化处理后的活跃节点特征向量依据一定的顺序进行特征组合,得到一个被入侵网络中的活跃节点二维特征向量矩阵,并进行活跃节点的数据特征融合,并将被入侵网络中的活跃节点定位问题转换成约束优化问题,融合粒子群优化算法采用设定约束适应度函数和距离适应度函数的方式对上述问题进行求解。仿真结果表明,改进约束粒子群算法的被入侵网络中的活跃节点检测方法定位精确度高。