面向蓄意攻击的网络异常检测方法

TP393; 针对复杂网络受蓄意攻击频繁,而现有的检测方法大多忽略全局拓扑突变特征的问题.从网络全局拓扑的异常演化特征出发,提出网络路径相对变化系数(network path change coefficient,NPCC)r,量化节点间传输路径的变化.由斐波那契数列衍生出斐波那契演化域,用于区分正常和异常演化.将r作为核心度量参量,构建斐波那契演化域,形成网络异常检测方法,实现对异常的判定.结果表明,该检测方法的平均准确率为90％ 以上,高于最大公共子图(maximum common subgraph,MCS)及图编辑距离(graph edit distance,GED)的准确率,证明了所提...

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 41; no. 10; pp. 1376 - 1381
Main Authors 赵海, 郑春阳, 王进法, 司帅宗
Format Journal Article
LanguageChinese
Published 东北大学计算机科学与工程学院,辽宁沈阳 110169%东北大学计算机科学与工程学院,辽宁沈阳 110169 01.10.2020
中国科学院信息工程研究所/物联网安全北京市重点实验室,北京 100093%中国科学院信息工程研究所/物联网安全北京市重点实验室,北京 100093
Subjects
网络异常检测
蓄意攻击
网络科学
斐波那契演化域
路径变化系数
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2020.10.002

Cover

More Information
Summary:TP393; 针对复杂网络受蓄意攻击频繁,而现有的检测方法大多忽略全局拓扑突变特征的问题.从网络全局拓扑的异常演化特征出发,提出网络路径相对变化系数(network path change coefficient,NPCC)r,量化节点间传输路径的变化.由斐波那契数列衍生出斐波那契演化域,用于区分正常和异常演化.将r作为核心度量参量,构建斐波那契演化域,形成网络异常检测方法,实现对异常的判定.结果表明,该检测方法的平均准确率为90％ 以上,高于最大公共子图(maximum common subgraph,MCS)及图编辑距离(graph edit distance,GED)的准确率,证明了所提检测方法的有效性.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2020.10.002