摘要：当前,计算机通信网络异常数据流辨识矩阵的辨识效率有限,导致漏辨个数不断增加。为此,文章对基于无监督学习的计算机通信网络异常数据流辨识方法进行了设计和验证。首先,提取了异常数据流特征,在多状态的背景下提升了辨识效率,同时设置了多状态特征辨识矩阵。其次,设计了无监督学习通信网络异常数据流辨识模型,采用了动态跟踪核验实现数据流辨识处理。测试结果表明,导入4组虚拟的辅助网络异常数据流指令在3个周期内实现了异常数据流辨识,最终将漏辨个数控制在6个以内,说明该方法在无监督学习的辅助和支持下更为精准与高效,应用效果得到了明显提升,且针对性较强,具有创新意义。

摘要：常规网络异常数据流智能检测系统的检测效率较低,为此提出基于改进长短期记忆网络(Long Short-Term Memory,LSTM)模型的网络异常数据流智能检测系统。根据系统的基本功能实现需求,设计了网络数据流采集器和通信无线网卡等硬件部分,并利用LSTM模型设计系统中的检测模块,结合数据接收引擎模块和数据流特征提取模块完成系统软件部分的设计。系统测试结果表明,所设计的网络异常数据流智能检测系统能够在较短时间内检出更多异常数据,检测效率较高。

摘要：在不同电网信息通信网协作决策系统的影响下,异常数据损失过多,形成过多的脏数据,影响监测过程,对此,研究一种电力信息通信网异常数据流动态监测方法。整合多种序列模式数据为一个集合,挖掘通信异常数据,根据异常数据流动特征,设定一个已知数值的压缩率,控制异常数据的损失,得到异常数据流动实际的轨迹分布;设定轨迹异常数据节点簇头,设计一个动态监测结构,最终完成动态监测方法的建立。实验结果表明所设计的动态监测方法得到的脏数据最少。

摘要：传统感知系统采集的流量数据属性,与网络态势关联程度不大,导致预测网络态势值存在误差。为此,提出基于智慧校园的网络态势感知系统。硬件方面,构建智慧校园网络框架,以嵌入式微处理器为中心,优化感知网关,连接智慧校园终端设备与服务器;软件方面,对数据流设置时间窗口,预处理后采集数据属性,判断存在异常的数据包,对其进行聚合整理,计算异常数据流发生可能性、威胁性,赋值校园网络防御能力,计算网络态势值,感知网络安全程度。为主机分配脆弱性数据和恶意代码数据,进行对比实验,结果表明,此次设计系统提高了攻击数据检测率,缩短了网络态势值预测时间,同时降低了预测误差,保证了网络态势感知精度。