科创中国

电子信息技术,教育,计算机及网络技术

传统基于小波分析与人工神经网络的网络安全入侵目标检测方法，无法有效估计入侵目标走向，导致检测结果不佳，为此，提出一种新的大数据环境下网络安全入侵目标检测方法。建立大数据环境下网络入侵目标序列模型，收集来自不同数据中心的入侵信息，采用语法树二元特征分解入侵信息，得到入侵目标的自特征序列，依据特征序列采用闭合频繁项搜索方法提取入侵目标路径走向特征，对入侵路径走向进行二元语义加权计算，获取路径走向集合，结合协方差修正模型，得到异常路径走向估计结果，实现网络安全入侵目标的检测。实验结果表明，所提方法的入侵目标路径走向估计精度较高，检测耗时较短，可低至***，具有很好的应用性能。

针对计算机网络安全中入侵检测方法的安全性问题，同时达到对网络入侵数据进行实时跟踪，改善检测精度差的实际情况，本文提出一种新的大数据环境下网络安全入侵目标检测方法，实现网络安全入侵目标的检测。实验结果表明，所提方法的入侵目标路径走向估计精度较高，检测耗时较短，可低至 ***，具有很好的应用性能。

带领人陈佳，濮阳职业技术学院教授，主要团队成员苗英恺，濮阳职业技术学院教授。