马尔科夫聚类改进敏感信息自动监测

杜军龙，周剑涛，王 磊

（江西省信息中心，江西 南昌 330036）

1 引言

互联网技术的发展和应用普及给社会生活的各个领域带来了很大的便利。但由于互联网自组织网络各节点的运行是开放及可以随时进出通信网络，导致网线的拓扑结构会出现较大的时变，同时开放的通信网络中还需要传输与保存各种数据，因此数据安全问题就变得越来越重要，可及时发现隐藏的异常状态，辅助相关人员快速了解网络当前异常，做出正确的判断，解决网络中出现的异常问题[1-2]。网络异常节点及其行为是监测网络数据是否安全的必要条件。异常行为的出现通伴有区别于正常通信信息的敏感信息，通过对这些波动进行异常检测，可以有效的发现异常情况并定位异常节点，在无线传感器网络的实际应用中具有非常重要的意义对于提高网络安全具有十分重要的作用[3]。

国内外学者在敏感信息检测方面主要基于节点信息的时间关联性，该方法在异常检测中有着较高的准确率，但难以找到将信号与网络拓扑结构关联的数学模型，而数据流统计模型难以事先获得[4]。基于统计学的方法具有较高的异常节点和敏感信息检测效率，但需要根据网络的先验信息购建统计模型[5]。机器学习、统计分析及信号处理是用于网络异常节点信息的监测的常用三大类方法，但这些方法虽然能够一定的监测效果，但对异常节点流识别能力有待提高[6]。临近节点检测法[7]根据数相似度或距离来识别敏感信息或判断异常节点，但算法复杂度较高，且无法监测连续异常节点。……