文件名称：论文研究-基于不满意度的网络安全模型.pdf
文件大小：720KB
文件格式：PDF
更新时间：2022-08-11 15:59:28
网络安全模型,不满意度,粗糙集,贝叶斯学习器,信息熵,仿真
提出了一种基于不满意度的网络安全模型, 主要功能是帮助用户在网络环境中正确地选择交易对象, 屏蔽恶意节点, 基于不满意度（degree of dissatisfaction, DoD）对交易节点进行分类控制。节点的不满意度定义为该节点属于恶意节点集的概率。a）使用粗糙集(rough set)模块与Bayesian学习器计算节点的不满意度, 依据节点的交易历史记录计算节点的本地不满意度（local DoD, LDoD）, 依据反馈推荐意见计算推荐不满意度（recommended DoD, RDoD）, 基于不满意度将节点划分为可信任节点、陌生节点、恶意节点等不同的类型; b）基于推荐意见的信息熵(information entropy)计算其可信度, 对反馈推荐意见进行综合。实验表明, 与已有的安全模型相比, 提出的安全管理模型对恶意节点具有更高的检测率, 具有更满意的交易成功率。