大数据分析下攻击性数据超前安全预警仿真

摘要

对大数据分析下攻击性数据进行超前安全预警能够识别攻击性数据的攻击手段,对保证网络安全具有重要意义.针对当前大数据分析下攻击性数据超前安全预警方法存在的预警及时性较差,且无法准确对攻击性数据进行识别的问题,提出一种基于RBF神经网络的大数据分析下攻击性数据超前安全预警方法,通过计算攻击性数据样本的聚类中心,对大数据分析下攻击性数据样本进行自适应聚类,并通过对径向基函数的宽度进行扩展,实现大数据分析下攻击性数据样本自适应分类,根据分类结果,构建RBF神经网络,确定攻击性数据超前安全预警的目标函数,并对RBF神经网络参数进行调整,建立大数据分析下攻击性数据超前安全预警模型,实现攻击性数据超前安全预警.实验结果表明,所提方法对攻击性数据识别速度较快,保证了预警及时性,且对攻击性数据的识别准确度较高.