基于被动分簇算法的无线通信网络漏洞深度挖掘方法

无线通信网络漏洞类型复杂,传统方法难以准确同时检测不同类型的漏洞,为此提出基于被动分簇算法的无线通信网络漏洞深度挖掘方法。采用基于被动分簇的网关节点计算方法,在网络出现通信需求时,通过被动式分簇算法设置簇头,遵循网络健壮性和能量有效性间的均衡原则,明确网关节点。使用基于信息熵的异常网关节点聚类筛选机制,锁定网络中异常网关节点,通过基于自回归模型的漏洞节点深度挖掘方法,在异常网关节点所连接簇头的管辖范围中,结合漏洞判断阈值条件,识别存在漏洞的底层普通节点,实现无线通信网络漏洞深度挖掘。实验结果表明,该方法可在0.3 s之内完成无线通信网络漏洞深度挖掘,且挖掘结果准确无误。

基于PANAG模型的攻击路径预测研究

为准确预测网络攻击路径信息,提出一种基于概率属性网络攻击图(PANAG)的攻击路径预测方法。利用通用漏洞评分系统对弱点属性进行分析,设计节点弱点聚类算法以减少弱点数目,同时提出概率属性网络攻击图生成算法GeneratNAG,从而避免攻击图生成后可能存在的状态爆炸问题。综合分析影响网络攻击可行性的多方面因素,引入攻击价值的概念,提出一种基于攻击价值的路径生成算法BuildNAP,以消除冗余路径。在此基础上,通过PANAG模型定量分析基于入侵意图的不同入侵路径的可能性,预测攻击者最可能采取的攻击路径。实验结果表明,该方法的准确率与执行效率均较高。

舰船网络中移动脆弱节点自定位技术研究

针对传统技术受到外界干扰因素影响,导致节点定位精准度差的问题,采用信道跟踪融合技术对移动脆弱节点自定位进行研究。根据舰船网络拓扑结构,设计分簇信道,使节点信息以数据形式发送给簇头,分析被攻击节点动态属性。设定节点主要参数集,研究被攻击节点位置,计算不被攻击节点出现概率,研究移动脆弱节点组合方案,使用坐标融合方法确定节点位置。通过实验对比结果可知,采用信道跟踪融合技术定位精准度最高可达到90%,在舰船通信诊断中具有实用性。