入侵数据衰减性变化后的优化检测仿真

摘要

在入侵数据优化检测优化的研究中,由于网络入侵特征会随着入侵后时间的推移发生衰减性变化,导致入侵特征发生不断的更新,传统的入侵数据检测方法,对于不断发生特征衰减变化的入侵数据无法固定检测阀值,存在特征识别能力差,检测精度低的问题.提出采用衰减调控的入侵相关数据关联融合挖掘算法.通过获取调控数据集构建入侵相关数据的数据模型,提取入侵相关数据的数据特征并进行预处理.引入多普勒频移模糊搜索对入侵相关数据进行平滑处理,得到入侵相关数据特征包络幅度估计值,对特征提取结果进行衰减调控处理,实现基于衰减调控的入侵相关数据关联融合挖掘.仿真结果表明,改进算法能有效的对入侵相关数据特征进行分类,提高对入侵数据的检测精度.