-
题名加权联合降维的可集成光网络单元安全逆向控制方法
- 1
-
-
作者
黄振华
李春华
李印鹏
-
机构
河北工程技术学院网络空间安全学院
河北科技大学信息科学与工程学院
河北地质大学华信学院电子信息学院
-
出处
《激光杂志》
北大核心
2026年第3期198-203,共6页
-
基金
河北省教育厅重大课题研究项目(No.ZD202402)。
-
文摘
为了提高降低信号解调精度,提出加权联合降维的可集成光网络单元安全逆向控制方法。运用污点数据原理,以三元组精准划分集成光网络单元报文字符,拆解为简单基本单元,并结合加权联合降维技术挖掘权重值较大的关键词,采用Skip-gram模型与负采样技术构建字词语义分析模型,通过条件概率运算精准推断关键词含义,得出报文风险特征,并依据此特征执行针对性控制策略。此逆向控制方式,能够从结果端反向追溯并控制风险源头,有效降低光信号调制与解调过程中因信号非线性失真引发的信号质量下降问题,实验结果表明,所提方法各个光网络单元安全事件所使用带宽占用率曲线位于最下方,且未超出7.83%,能够准确解析出光网络单元报文内容,抵御攻击类威胁。
-
关键词
加权联合降维
污点数据
光网络单元
Skip-gram模型
条件概率
-
Keywords
weighted joint dimensionality reduction
tainted data
optical network unit
Skip gram model
conditional probability
-
分类号
TN125.68
[电子电信—物理电子学]
-
-
题名基于ESN神经网络的光通信网络安全态势辨识研究
被引量：4
- 2
-
-
作者
李俊州
高春艳
-
机构
开封大学
-
出处
《激光杂志》
CAS
北大核心
2023年第5期91-95,共5页
-
基金
河南省自然科学基金面上项目(No.182300410113)。
-
文摘
光通信网络在传输信息时,很容易被非法攻击,发生信息窃取、篡改和删除等泄露行为。针对上述问题,为保证光通信网络安全,提出一种基于ESN神经网络的光通信网络安全态势辨识方法。该方法采用NetFlow技术设计采集器,采集NetFlow流量数据,并实施离散化处理。将NetFlow流量数据转换为流量灰度图像,并借助灰度共生矩阵提取图像特征,包括像素灰度分布的均匀程度、图像包含的信息量、图像的视觉清晰度、灰度共生矩阵元素排列的相似程度、图像局部灰度均匀性,作为NetFlow流量数据的特征。以5项特征为输入,利用ESN神经网络构建辨识模型,得出光通信网络安全态势类型。结果表明:与基于卷积神经网络的识别方法、基于贝叶斯的识别方法以及基于随机配置网络的识别方法相比,所研究方法应用下的杰卡德系数更高,说明该方法辨识准确性更高。
-
关键词
ESN神经网络
光通信网络
NetFlow流量数据
特征提取
安全态势辨识模型
-
Keywords
ESN neural network
optical communication network
NetFlow traffic data
feature extraction
secur-ity situation identification model
-
分类号
TN125.68
[电子电信—物理电子学]
-
