摘要
针对即时通信网络面临的多样化和动态安全威胁,文章提出了一种基于多维特征建模与混合核函数极限学习机的安全漏洞检测方法。通过量化分析源IP连接度、目的IP/端口多样性、流量载荷及生存周期,构建网络运行状态的多维向量空间;结合模糊聚类与邻域密度指标筛选异常数据,并设计混合核函数极限学习机(MK-ELM)实现高精度分类。实验结果验证该方法在120m×120m仿真网络中的检测精确率达98.73%,误报率低于2.07%,较传统RGCN和CNN-GAP模型性能提升3.79%~4.76%。结果指出,多维特征联合建模与混合核机制可有效识别端口扫描、DDoS攻击等复杂漏洞行为,为即时通信网络提供动态和自适应的安全防护方案。
出处
《电脑知识与技术》
2025年第16期88-90,共3页
Computer Knowledge and Technology
