基于收敛启发机制的人工网络安全迁移算法研究

针对当前人工网络安全迁移算法研究中存在迁移时间长、误码率高且容易造成网络瘫痪等不足,提出了一种基于收敛启发机制的人工网络安全迁移算法。首先,利用社区网络进行网络迁移时具有的波动特性,通过带宽函数均值起伏率和网络存储冗余率两个指标进行迁移裁决,有效减缓了迁移过程中网络出现拥塞的概率,实现数据迁移并提高网络安全迁移过程中的鲁棒性。随后,针对当前算法迁移过程中难以进行误差评估的不足,通过启发映射机制设计了网络存储冗余带宽迁移方法,用以改善网络数据传输过程中的抖动,改善网络迁移时的效率,具有很强的迁移质量。仿真实验表明:与当前常用的超混沌云网络预估迁移机制(Predictive Migration Mechanism of Hyperchaotic Cloud Networks,PMM-HCN机制)、社区网络大数据峰值安全迁移机制(Peak Security Migration Mechanism of Large Data in Community Network,PSMM-LDCN机制)相比,本文算法具有网络迁移时间少、网络迁移数据误码率小、网络抖动时间短、网络瘫痪频率低等特性,具有很强的实际部署价值。