摘要：网络技术加速了社会信息化进程。但是网络安全形势日趋严峻,网络攻击技术正在不断地向隐蔽、高效和智能化方向发展。网络级联抗毁攻击信息层次化分类是骨干网安全监测条件下海量报警信息处理的迫切需要。针对平面分类方法对网络级联抗毁攻击信息分类时出现的精度不高的现象,设计一种基于程序树的层次化分类方法。采用分词管理的方式,将网络级联抗毁性攻击信息作为一种特征项考虑,提取攻击信息的节点特征;将攻击信息的权重计算过程看做是一个节点信息的频度权衡过程,计算攻击信息节点权重值,利用程序树的结构特征,按照根、茎、叶的分类方式,实现网络级联抗毁攻击信息的层次分类。仿真结果表明,层次分类方法比平面分类方法的信息分类精度提高了15.16%。说明基于程序树的层次化分类方法具备有效性,能够实现网络级联抗毁攻击信息的准确分类。

摘要：为解决传统攻击信息识别方法存在识别误差大的问题,提出基于机器学习的电力互联网攻击信息识别方法。依据互联网攻击信息,构建互联网攻击信息模型,分析基于机器学习的电力互联网攻击信息识别原理,结合哈希定值保障相同攻击信息会分配到同一线程之中,避免噪声产生的偏差,实现电力互联网攻击信息的实时无损处理。构建脆弱性邻接矩阵,并对脆弱性进行定量评估,完成电力互联网攻击信息优化识别方案设计。实验结果表明,该方法识别精度最高可达到98%,能够有效降低电力互联网网络攻击风险,保障网络安全稳定运行。

摘要：针对传统信息安全体系存在安全性差、数据信息质量低的问题,该研究设计了基于计算机云服务的数据信息安全体系。利用层次分析法判断用户端的个性化需求,并在计算机云服务环境下评价用户的个性偏好,然后根据信息安全性传输时间矩阵排列,计算电力数据信息的加权均值,通过设置安全传输时间的加权平均值来整合数据,从而建立电力数据信息安全性传输模型。最后,利用信息增益方法获取电力数据属性,通过描述目标信息特征对其进行全面检测。实验结果表明:文中构建的体系不仅可以提高电力数据信息的安全性,还能够提高传输质量。