物聯(lián)網(wǎng)同頻共用跨域數(shù)據(jù)流動(dòng)安全檢測算法

摘要：為保障物聯(lián)網(wǎng)數(shù)據(jù)跨域流動(dòng)安全，提出物聯(lián)網(wǎng)同頻共用跨域數(shù)據(jù)流動(dòng)安全檢測算法。該方法基于數(shù)據(jù)離群特征計(jì)算數(shù)據(jù)集信息熵，將信息熵計(jì)算結(jié)果較大的數(shù)據(jù)點(diǎn)作為聚類中心，通過類簇中心距離的計(jì)算分析數(shù)據(jù)分布特征；將數(shù)據(jù)分布特征輸入BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)中，結(jié)合遺傳學(xué)習(xí)算法完成同頻共用跨域數(shù)據(jù)的深度挖掘。利用小波分析法分割同頻共用數(shù)據(jù)中的有效信號與噪聲信號，引入wrcoef函數(shù)實(shí)現(xiàn)無噪信號的重構(gòu)輸出。基于Markov鏈狀態(tài)轉(zhuǎn)移概率矩陣，建立馬爾可夫跨域數(shù)據(jù)流動(dòng)安全檢測模型：通過待測樣本與標(biāo)準(zhǔn)樣本之間相對熵差異值的計(jì)算，完成物聯(lián)網(wǎng)同頻共用跨域數(shù)據(jù)流動(dòng)安全檢測。仿真結(jié)果表明，該方法能有效提高數(shù)據(jù)流動(dòng)安全檢測效率，實(shí)現(xiàn)了數(shù)據(jù)跨域流動(dòng)態(tài)勢的精準(zhǔn)感知。

關(guān)鍵詞：信息熵算法；遺傳學(xué)習(xí)算法；數(shù)據(jù)深度挖掘；小波分析法；馬爾可夫模型

中圖分類號：TN929.5 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著物聯(lián)網(wǎng)在信息傳播領(lǐng)域的廣泛應(yīng)用，推動(dòng)了多種類應(yīng)用設(shè)備終端的跨域信息接人，為智能化環(huán)境監(jiān)控、動(dòng)態(tài)定位、企業(yè)監(jiān)管等社會(huì)發(fā)展需求提供巨大便利。由于物聯(lián)網(wǎng)存儲(chǔ)信息的復(fù)雜性、異構(gòu)性，不僅造成了海量存儲(chǔ)數(shù)據(jù)中的有效信息挖掘難度，也為數(shù)據(jù)跨域傳輸帶來了負(fù)面影響。在信息全球化背景下，數(shù)據(jù)的跨域流動(dòng)是全球信息交流、資源流通和技術(shù)發(fā)展的必然趨勢，但近年來，隨著接入設(shè)備的增加，物聯(lián)網(wǎng)內(nèi)跨域數(shù)據(jù)存儲(chǔ)量劇增，致使物聯(lián)網(wǎng)信息的盜取事件頻發(fā)，而如何有效實(shí)施物聯(lián)網(wǎng)內(nèi)信息的安全存儲(chǔ)及傳輸，成為亟需解決的問題，因此人們針對物聯(lián)網(wǎng)跨域數(shù)據(jù)安全檢測方法進(jìn)行了研究。……