無(wú)線移動(dòng)通信網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)挖掘方法

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了無(wú)線移動(dòng)通信網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)挖掘方法范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要:為提高混合入侵?jǐn)?shù)據(jù)挖掘量，提出多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)混合入侵數(shù)據(jù)挖掘方法。設(shè)計(jì)混合入侵?jǐn)?shù)據(jù)檢測(cè)流程，檢測(cè)網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)；比較正常數(shù)據(jù)特征與混合入侵?jǐn)?shù)據(jù)特征，計(jì)算2個(gè)數(shù)據(jù)集關(guān)系，提取的混合入侵?jǐn)?shù)據(jù)特征；計(jì)算混合入侵?jǐn)?shù)據(jù)特征數(shù)據(jù)鄰域距離、可達(dá)距離和可達(dá)密度，設(shè)計(jì)混合入侵?jǐn)?shù)據(jù)挖掘流程，挖掘多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)，設(shè)計(jì)混合入侵?jǐn)?shù)據(jù)攻擊類型。實(shí)驗(yàn)結(jié)果表明，本文方法的挖掘混合入侵?jǐn)?shù)據(jù)量高于對(duì)比方法，挖掘混合入侵?jǐn)?shù)據(jù)用時(shí)更少，具有較優(yōu)的混合入侵?jǐn)?shù)據(jù)挖掘效果。

關(guān)鍵詞：多信道；無(wú)線移動(dòng)；通信網(wǎng)絡(luò)；混合入侵；數(shù)據(jù)挖掘

0引言

多信道艦船無(wú)線通信網(wǎng)絡(luò)用于傳輸艦船的航行信息，隨著艦船數(shù)量的增加，無(wú)線通信網(wǎng)絡(luò)數(shù)據(jù)傳輸量成百倍增長(zhǎng)，網(wǎng)絡(luò)在承受著數(shù)據(jù)壓力的同時(shí)，在網(wǎng)絡(luò)中交互的艦船信息，也存在著較高的數(shù)據(jù)入侵安全隱患[1]。數(shù)據(jù)安全與艦船航行安全息息相關(guān)，因此，需要挖掘無(wú)線通信網(wǎng)絡(luò)中存在的入侵?jǐn)?shù)據(jù)，保障艦船航行通信安全。文獻(xiàn)[2]將入侵信號(hào)轉(zhuǎn)換為頻域信號(hào)，挖掘入侵?jǐn)?shù)據(jù)，但該方法應(yīng)用在多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)中存在挖掘混合入侵?jǐn)?shù)據(jù)量低的問(wèn)題[2]。為此提出多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)挖掘方法。

1多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)挖掘方法

1.1檢測(cè)網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)

多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)中存在眾多數(shù)據(jù)，采用閾值判斷的方式，檢測(cè)這些數(shù)據(jù)是否存在混合入侵?jǐn)?shù)據(jù)?；诖?，設(shè)計(jì)檢測(cè)流程如下：1）在網(wǎng)絡(luò)中選擇正常數(shù)據(jù)集A，作為訓(xùn)練數(shù)據(jù)集A；2）針對(duì)選擇的數(shù)據(jù)集A，采用聚類算法，計(jì)算A的聚類中心；3）確定待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)集B；BADDC4）計(jì)算到的每一個(gè)聚類中心的距離，并將距離計(jì)算結(jié)果按照從小到大的順序排列，得到最小距離，從而得到最小距離所對(duì)應(yīng)的最近類；5）確定最近類的簇半徑R；CAae6）計(jì)算到的每一個(gè)聚類中心的距離，以及距離的均值和標(biāo)準(zhǔn)差；7）判斷最小距離D是否大于a+Re的值；8）當(dāng)D>a+Re時(shí)，此次檢測(cè)的網(wǎng)絡(luò)數(shù)據(jù)集B中，存在混合入侵?jǐn)?shù)據(jù)；9）當(dāng)D⩽a+Re時(shí)，此次檢測(cè)的網(wǎng)絡(luò)數(shù)據(jù)集B中，不存在混合入侵?jǐn)?shù)據(jù)。BD依據(jù)以上檢測(cè)流程，以聚類中心為劃分的數(shù)據(jù)量中心，與待檢測(cè)數(shù)據(jù)集的距離計(jì)算公式為：D(Ai,Bj)=√(Ai1−Bj1)2+(Ai2−Bj2)2+···+(Ain−Bjn)2。(1)iAjBn式中：為數(shù)據(jù)集中任意一個(gè)聚類中心值；為待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)集中任意一個(gè)待檢測(cè)數(shù)據(jù)；為數(shù)據(jù)集屬性總數(shù)[3]。B根據(jù)檢測(cè)流程輸出結(jié)果，提取確定存在混合入侵?jǐn)?shù)據(jù)的待檢測(cè)數(shù)據(jù)集中所有數(shù)據(jù)特征，為挖掘混合入侵?jǐn)?shù)據(jù)做準(zhǔn)備。

1.2提取數(shù)據(jù)特征

Bα=(α1,α2,···,αm)Tm=1,2,···Tα=(α1,α2,···,αm)TTα=F[ααT]F¯α=F[α]在多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)下，將確定存在混合入侵?jǐn)?shù)據(jù)的待檢測(cè)數(shù)據(jù)集中，所有數(shù)據(jù)異常節(jié)點(diǎn)特征的平均值記為，其中，為數(shù)據(jù)異常節(jié)點(diǎn)特征的平均值總數(shù)，為轉(zhuǎn)置矩陣。根據(jù)，構(gòu)成數(shù)據(jù)特征矩陣，其中，為矩陣元素的關(guān)聯(lián)度。此時(shí)，采用作為矩陣中的元素。根據(jù)上述數(shù)據(jù)特征比較正常數(shù)據(jù)與混合入侵?jǐn)?shù)據(jù)特征，其對(duì)應(yīng)關(guān)系為：ς=GTα，(2)式中：GT為正常數(shù)據(jù)特征矩陣。根據(jù)計(jì)算結(jié)果，提取異常節(jié)點(diǎn)特征的差異為：Eα=F[(α−¯α)(α−¯α)T]，(3)綜合式（2）和式（3），混合入侵?jǐn)?shù)據(jù)特征為：γ=m∑k=1F[αk−ˆαk]。(4)kˆαk=m∑k=1αkwk+βkwkwkβk式中：為數(shù)據(jù)特征矩陣中任意位置的矩陣元素；為數(shù)據(jù)異常節(jié)點(diǎn)特征的加權(quán)值，為矩陣中的元素所對(duì)應(yīng)的特征量；為正常數(shù)據(jù)特征矩陣中的元素。由式（4）可得到混合入侵?jǐn)?shù)據(jù)特征值，以此為基礎(chǔ)可挖掘出網(wǎng)絡(luò)中存在的混合入侵?jǐn)?shù)據(jù)。

1.3挖掘網(wǎng)絡(luò)混合入侵?jǐn)?shù)據(jù)

根據(jù)此次研究提取到的混合入侵?jǐn)?shù)據(jù)特征，采用LOF算法，設(shè)計(jì)混合入侵?jǐn)?shù)據(jù)挖掘流程如下：1）輸入混合入侵?jǐn)?shù)據(jù)特征集合O。2）確定混合入侵?jǐn)?shù)據(jù)特征數(shù)據(jù)對(duì)象p。pOpllp3）計(jì)算每一個(gè)混合入侵?jǐn)?shù)據(jù)特征數(shù)據(jù)對(duì)象的距離，其計(jì)算步驟如下：計(jì)算數(shù)據(jù)特征集合中，所有數(shù)據(jù)到對(duì)象的距離；在所有的距離中，選擇個(gè)不同的最小距離；在個(gè)不同的最小距離中，挑選一個(gè)距離最大值，作為混合入侵?jǐn)?shù)據(jù)特征數(shù)據(jù)對(duì)象的距離。ppcpHh4）計(jì)算混合入侵?jǐn)?shù)據(jù)特征數(shù)據(jù)對(duì)象的鄰域距離。假設(shè)存在個(gè)最近鄰居，將所有小于等于的距離的數(shù)據(jù)記為集合，包含數(shù)據(jù)對(duì)象，則有：H={h∈H{p}|D(p,h)}。(5)pρ5）計(jì)算對(duì)象的可達(dá)距離，利用可達(dá)距離計(jì)算其可達(dá)密度，其計(jì)算公式如下：d(p,h)=max{H(h),d(p,h)}，ρ=1∑h∈Hp⩽d(p,h)。(6)pξρ6）根據(jù)式（6）結(jié)果，計(jì)算的局部異常因子，即可達(dá)密度比率的平均值為：ξ(p)=∑h∈Hρ(h)ρ(p)|H(p)|。(7)7）根據(jù)式（7）對(duì)對(duì)象p的局部異常因子計(jì)算結(jié)果，將其按照從大到小的順序排序；8）前y個(gè)局部異常因子值較大的數(shù)據(jù)，即為混合入侵?jǐn)?shù)據(jù)。

2實(shí)驗(yàn)結(jié)果及分析

2.1測(cè)試環(huán)境

選擇shuttle數(shù)據(jù)集，共包含50000條數(shù)據(jù)其中僅有17278條正常數(shù)據(jù)，其他數(shù)據(jù)皆為入侵?jǐn)?shù)據(jù)，受到的入侵攻擊類別和名稱如表1所示。根據(jù)表1所示的入侵攻擊名稱及類別，將每2種以上的攻擊數(shù)據(jù)混合，形成混合入侵?jǐn)?shù)據(jù)，入侵多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)，與初始數(shù)據(jù)混合。基于此次實(shí)驗(yàn)選擇的數(shù)據(jù)集和入侵攻擊類別，設(shè)計(jì)多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)運(yùn)行環(huán)境見(jiàn)如表2。多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)在如表2所示的運(yùn)行環(huán)境下運(yùn)行shuttle數(shù)據(jù)集，采用混合攻擊a（1，2），b（1，3），c（1，4），d（2，3），e（2，4），f（3，4），g（1，2，3），h（2，3，4），i（1，2，3，4）九種混合入侵攻擊方式，攻擊shuttle數(shù)據(jù)集，導(dǎo)致shuttle數(shù)據(jù)集，在多信道艦船無(wú)線移動(dòng)通信網(wǎng)絡(luò)中，除初始shuttle數(shù)據(jù)集外，產(chǎn)生大量混合入侵?jǐn)?shù)據(jù)。2.2實(shí)驗(yàn)結(jié)果2.2.1第1組實(shí)驗(yàn)結(jié)果采用3種方法分別挖掘shuttle數(shù)據(jù)集中存在的混合入侵?jǐn)?shù)據(jù)。在9種不同的混合入侵攻擊方式下，產(chǎn)生的混合入侵?jǐn)?shù)據(jù)挖掘量如表3所示。從表3可以看出，混合攻擊類型越多，挖掘混合入侵?jǐn)?shù)據(jù)量越少。其中，對(duì)比方法1挖掘混合入侵?jǐn)?shù)據(jù)量，低于30000，挖掘到的混合入侵?jǐn)?shù)據(jù)量最少；對(duì)比方法2挖掘混合入侵?jǐn)?shù)據(jù)量，低于32000，雖然優(yōu)于對(duì)比方法1，但是挖掘混合入侵?jǐn)?shù)據(jù)量同樣偏少。本文方法挖掘混合入侵?jǐn)?shù)據(jù)量高于對(duì)比方法，具有較高混合入侵?jǐn)?shù)據(jù)挖掘效果。2.2.2第2組實(shí)驗(yàn)結(jié)果在第1組實(shí)驗(yàn)基礎(chǔ)上，分別統(tǒng)計(jì)3組數(shù)據(jù)挖掘方法，挖掘9種不同的混合入侵攻擊方式下，產(chǎn)生的混合入侵?jǐn)?shù)據(jù)用時(shí)，其統(tǒng)計(jì)結(jié)果如表4所示。由表4可知，隨著攻擊混合種類的增加，挖掘混合入侵?jǐn)?shù)據(jù)用時(shí)隨之增加。其中，本文方法挖掘混合入侵?jǐn)?shù)據(jù)用時(shí)少于對(duì)比方法。

3結(jié)語(yǔ)

本文通過(guò)混合入侵?jǐn)?shù)據(jù)特征，挖掘混合入侵?jǐn)?shù)據(jù)，并采用實(shí)驗(yàn)驗(yàn)證本文方法的可行性，為今后的研究提供參考。

參考文獻(xiàn)：

[1]邊金良.基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)方法[J].信息與電腦(理論版),2021,33(3):201–202.

[2]劉佳.艦船通信網(wǎng)絡(luò)感知層異常入侵行為集成識(shí)別方法[J].艦船科學(xué)技術(shù),2020,42(6):137–139.

[3]趙偉杰,戶江民,文小琴.試論全局通訊網(wǎng)絡(luò)模式的數(shù)據(jù)挖掘方法[J].中國(guó)新通信,2019,21(21):116–117.

作者:范玲楠 單位:遼寧警察學(xué)院