基于数据流的网络安全系统生存性评估研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 140-143.

基于数据流的网络安全系统生存性评估研究

陈家庆¹,刘俊¹,张大方²

1.湖南大学计算机与通信学院，长沙 410082
2.湖南大学软件学院，长沙 410082

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 陈家庆

Survivability evaluation analysis for network security management systems based on dataflow

CHEN Jia-qing¹,LIU Jun¹,ZHANG Da-fang²

1.School of Computer and Communication，Hunan University，Changsha 410082，China
2.College of Software，Hunan University，Changsha 410082，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: CHEN Jia-qing

摘要/Abstract

摘要： 对网络安全管理系统建模及进行可生存性分析是一个非常重要的研究课题，但对于大型网络如何建模和评估生存性，尚无较好的解决方案。现存的两种评估生存性的方法存在较大局限性。提出了一种新的方法，分析邻接节点间的关系，用成熟的数学模型进行实现，使网络中间接的两个节点间形成一种生存性关系。理论分析和实验证明：该模型和算法是可行、有效的。可在不同状态下评估网络中可生存性，计算效率、适用性强于以前的算法。

关键词: 可生存性, 可生存性函数, 中间节点, 数据流

Abstract: Modeling and analyzing survivability in network security management systems is a very import research hotspot.There are some imitations in the existing two methods for network security management systems.A method for analyzing the relationship between the nodes is proposed to calculate system survivability，in which the mathematics model is used and the program of the arithmetic is given.This method shows that how an indirect relation of survivability can be established between two indirect nodes.Theoretical analysis and results indicate that the model and algorithm are feasible and effective.The survivability of networks can be evaluated under different states，the applicability and efficiency are better.

Key words: survivability, function of survivability, intermediate-nodes, dataflow

陈家庆¹,刘俊¹,张大方². 基于数据流的网络安全系统生存性评估研究[J]. 计算机工程与应用, 2008, 44(2): 140-143.

CHEN Jia-qing¹,LIU Jun¹,ZHANG Da-fang². Survivability evaluation analysis for network security management systems based on dataflow[J]. Computer Engineering and Applications, 2008, 44(2): 140-143.

[1]	王俊红，郭亚慧. 面向动态数据块的非平衡数据流分类算法[J]. 计算机工程与应用, 2021, 57(13): 124-129.
[2]	周玉，朱文豪，房倩，白磊. 基于聚类的离群点检测方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 37-45.
[3]	徐清妍，何丽，朱泓西. 改进Hoeffding不等式的概念漂移检测方法[J]. 计算机工程与应用, 2020, 56(19): 55-61.
[4]	胡阳，胡学钢，李培培. 基于Spark的快速短文本数据流分类方法[J]. 计算机工程与应用, 2020, 56(14): 138-147.
[5]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[6]	郑逢斌1，朱青1，2，臧文乾2. 一种XML驱动的遥感产品生产并发数据流模型[J]. 计算机工程与应用, 2018, 54(24): 266-270.
[7]	杨融泽，柳毅. 面向异常数据流的多分类器选择集成方法[J]. 计算机工程与应用, 2018, 54(2): 107-113.
[8]	魏子衿1，2，3，肖丽2，3. 改进顶点聚类方法的并行核外模型简化算法[J]. 计算机工程与应用, 2018, 54(13): 181-190.
[9]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[10]	韩崇1，袁颖珊2，梅焘2，耿慧玲2. 基于K-means的数据流离群点检测算法[J]. 计算机工程与应用, 2017, 53(3): 58-63.
[11]	杨小川，姜军，马晓东，漆锋滨. 基于GCC关键变量数据流分析算法的程序切片技术[J]. 计算机工程与应用, 2017, 53(24): 40-47.
[12]	史荧中1，2，曹建峰2，邓赵红1，蒋亦樟1. 面向数据流分类的柔性漂移支持向量机[J]. 计算机工程与应用, 2017, 53(23): 118-122.
[13]	刘慧婷，候明利，赵鹏，姚晟. 不确定数据流最大频繁项集挖掘算法研究[J]. 计算机工程与应用, 2016, 52(19): 72-77.
[14]	李少波1，2，孟伟1，璩晶磊1. 基于密度的异常数据检测算法GSWCLOF[J]. 计算机工程与应用, 2016, 52(19): 7-11.
[15]	徐正国，郑辉，邓月华. 基于ACD模型的网络数据流时域微观特性分析[J]. 计算机工程与应用, 2016, 52(17): 11-15.