网络中高机密数据传输速率优化数学建模分析

针对传统模型无法为节点分配最佳的数据速率而导致吞吐量低、延时长等问题,提出一种基于空闲信道检测的高机密数据传输速率优化模型。对近邻时隙对的传输信道状态进行概率分析,计算出目标网络信道繁忙概率,使高机密数据主动躲让减少冲突。基于信道状态模型构造一种时空动态感知矩阵,降低采样频率。以最小传输数据量为优化目标,链路容量、功率、路由选取为约束条件,构建了数据传输速率优化模型。通过求解速率优化模型,获得最优的数据传输策略。实验结果表明,在传输数据所用时间上,所提模型相比基于最优停止理论的传输速率优化模型以及基于多信道分配决策的传输速率优化模型提高了15%以上,在提高吞吐量和减少延迟时间上也显示出了更好的效果。

云环境下高机密性数据分离销毁优化仿真研究

云环境下对高机密性数据的分离销毁过程进行优化,可有效提升云环境下用户存储数据信息的安全性。对数据分离销毁,需要对数据等级属性特征进行分类,利用决策函数完成对机密性数据的分离销毁。传统方法利用数据时间可预测性实现划其分离,但忽略了对数据进行合理分类,导致销毁效果不理想。提出基于支持向量机理论的云环境下高机密性数据分离销毁方法。获取高机密性数据属性向量集合,得到高机密性数据属性向量映射函数,组建高机密性数据判定模型,计算出高机密性数据在某时段内的最小判定误差能量,结合支持向量机理论对等级属性特征进行分类,得到支持向量机决策函数,依据上述函数完成对云环境下不同等级的高机密性数据分离销毁。实验结果表明,所提方法进行云环境下高机密性数据分离离销毁效果较高。