王永祥+王鵬

摘 要： 為了提高網(wǎng)絡大數(shù)據(jù)的安全性能，進行Web入侵風險預測，提出基于非平穩(wěn)性盲源分離的大數(shù)據(jù)的Web入侵檢測模型進行風險預測估計。構建大數(shù)據(jù)的Web入侵信息測量模型，對Web大數(shù)據(jù)信息流進行二維信號擬合，采用非平穩(wěn)性高斯獨立平均統(tǒng)計量進行入侵信息判別，實現(xiàn)Web入侵風險預測模型改進設計。仿真結果表明，采用該方法進行大數(shù)據(jù)的Web入侵檢測的準確檢測概率較高，風險預測的精度高于傳統(tǒng)模型。

關鍵詞： 大數(shù)據(jù)； Web入侵； 風險預測； 盲源分離

中圖分類號： TN915.08?34； TP311 文獻標識碼： A 文章編號： 1004?373X（2017）18?0150?03

Web intrusion risk prediction based on large data

WANG Yongxiang1， WANG Peng 2

（1. Guangzhou Vocational College of Technology and Business， Guangzhou 511442， China；

2. School of Computer Science and Technology， Southwest University for Nationalities， Chengdu 610225， China）

Abstract： In order to improve the security performance of network large data and predict the Web intrusion risk， the Web intrusion detection model based on the non?stationary blind source separation is proposed for risk prediction estimation. The big data Web intrusion information measurement model is constructed to perform two?dimensional signal fitting of Web data information flow. The non?stationary Gauss independent average statistical magnitude is used for intrusion information discrimination to implement improvement and design of the Web intrusion risk prediction model. The simulation results show that the method has high detection probability for the big data Web intrusion detection， and higher risk prediction accuracy than that of the traditional model.

Keywords： big data； Web intrusion； risk prediction； blind source separation

0 引 言

隨著大數(shù)據(jù)信息技術的發(fā)展，大數(shù)據(jù)在網(wǎng)絡中的安全性受到人們的關注，網(wǎng)絡安全涉及到人們隱私信息和財產(chǎn)安全，在Web環(huán)境下研究大數(shù)據(jù)的安全保密性能對促進網(wǎng)絡信息技術的發(fā)展以及社會穩(wěn)定具有重要意義[1]。大數(shù)據(jù)在Web環(huán)境中容易受到病毒干擾入侵，導致信息泄露，出現(xiàn)加密失敗和數(shù)據(jù)存儲資源的非法占用等安全問題，通過對Web入侵的風險預測，促進網(wǎng)絡安全建設。為了提高網(wǎng)絡大數(shù)據(jù)的安全性能，進行Web入侵風險預測，提出基于非平穩(wěn)性盲源分離的大數(shù)據(jù)的Web入侵檢測模型進行風險預測估計方法。

3 仿真實驗與結果分析

為了測試本文算法在實現(xiàn)大數(shù)據(jù)環(huán)境下的Web入侵檢測和風險預測中的性能，進行仿真實驗。采用Hadoop 2012構建分布平臺，在云計算環(huán)境下設計大數(shù)據(jù)信息庫，在大數(shù)據(jù)信息庫中進行入侵檢測，采用Matlab仿真工具進行數(shù)學仿真。大數(shù)據(jù)特征點的采樣個數(shù)為1 024個，入侵中繼網(wǎng)絡中Sink節(jié)點設置為12個，Web網(wǎng)絡中數(shù)據(jù)傳輸速率為100 Mb/s，干擾信噪比為0～80 dB，仿真時間為12 s。根據(jù)上述仿真參量設定，進行入侵檢測分析，采用本文方法和傳統(tǒng)方法進行大數(shù)據(jù)Web入侵檢測，得到檢測概率曲線如圖1所示。

分析圖1結果得知，采用本文方法進行大數(shù)據(jù)Web入侵檢測的準確概率遠高于傳統(tǒng)方法，說明對入侵攔截的有效概率較高。

表1 數(shù)據(jù)Web入侵風險預測誤差對比

表1給出了大數(shù)據(jù)Web入侵預測誤差對比，分析得知，本文方法對入侵預測誤差較低，有效保障了網(wǎng)絡大數(shù)據(jù)的安全。

4 結 語

本文提出基于非平穩(wěn)性盲源分離的大數(shù)據(jù)的Web入侵檢測模型進行風險預測估計。仿真結果表明，采用該方法進行大數(shù)據(jù)的Web入侵檢測的準確檢測概率較高，風險預測的精度高于傳統(tǒng)模型，具有較高的數(shù)據(jù)安全和網(wǎng)絡安全保障能力。

參考文獻

[1] 徐倩漪，齊芳.基于機器學習的通信網(wǎng)絡非結構化大數(shù)據(jù)分析算法研究[J].激光雜志，2016，37（10）：125?128.

[2] 梁聰剛，王鴻章.微分進化算法的優(yōu)化研究及其在聚類分析中的應用[J].現(xiàn)代電子技術，2016，39（13）：103?107.

[3] M?LLER L F， OLIVEIRA R R. Survivor： an enhanced controller placement strategy for improving SDN survivability [C]// Proceedings of IEEE Global Communications Conference. Austin： IEEE， 2014： 1909?1915.

[4] DIN D R， HUANG J S. Multicast backup reprovisioning problem for Hamiltonian cycle?based protection on WDM networks [J]. Optical fiber technology， 2014， 20（2）： 142?157.

[5] REN Tianpeng， YUN Chau， GUAN Yongliang. High?order intensity modulations for OSTBC in free?space optical MIMO communications [J]. Wireless communications letters， IEEE， 2013， 2（6）： 607?610.

[6] 蔣本立，張小平.大數(shù)據(jù)網(wǎng)絡的均衡調度平臺設計與改進[J].現(xiàn)代電子技術，2016，39（6）：62?65.

[7] 薛勝軍，胡敏達，許小龍.云環(huán)境下公平性優(yōu)化的資源分配方法[J].計算機應用，2016，36（10）：2686?2691.

[8] ZHANG Q， ZHU Q Y， ZHANI M F， et al. Dynamic service placement in geographically distributed clouds [J]. IEEE journal of selected areas in communications， 2013， 31（12）： 762?772.

[9] 王祥斌.數(shù)據(jù)挖掘技術在入侵檢測系統(tǒng)中的應用研究[J].計算機測量與控制，2012，20（2）：13?16.endprint