大数据环境下入侵风险评估优化模型仿真分析

• 作者: 蔡宇翔 郑宏
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 大数据信息环境 入侵风险评估 云模型
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 仿真网络化
• 页码范围: 292-295
• 页数: 4页
• 分类号: TP393.08
• 字数: 4482字
• 语种: 中文

摘要

针对大数据环境下的数据信息进行入侵风险评估问题.由于大数据信息环境下的数据具有动态波动的特性,使得存在大量多元数据.传统的评估方法,主要通过提取数据特征进行分类,再分别进行评估,忽略了多元数据的特征对分类产生的影响,导致评估不准确的,效率差的问题.提出改进的逆向云生成算法的大数据信息环境下的入侵风险评估建模方法.对大数据信息环境下系统的入侵危险进行感知,提取大数据信息环境下系统的正常状态云,利用逆向云生成算法获取该云的数字特征,计算被监视时刻的大数据信息环境下系统变量采样值,将计算出的采样值与正常状态云的数字特征相匹配,以匹配后的结果为依据融合抗体浓度模型进行大数据信息环境下网络入侵风险的实时评估.仿真结果表明,采用改进方法对入侵风险评估进行建模精确度高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑宏	西北大学经济管理学院	8	37	4.0	6.0
2	蔡宇翔	西北大学经济管理学院	2	15	2.0	2.0