基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法

来源：计算机测量与控制杂志2024年第1期北京时间：

作者：李梅,朱明宇

单位：苏州高博软件技术职业学院

摘要：恶意代码的快速发展严重影响到网络信息安全，传统恶意代码检测方法对网络行为特征划分不明确，导致恶意代码检测的结果不够精准，研究基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法。分析通信网络中恶意攻击代码的具体内容，从网络层流动轨迹入手提取网络行为，在MFAB-NB框架内确定行为特征。通过归一化算法选择初始处理中心，将分类的通信网络行为特征进行归一化处理，判断攻击速度和位置。实时跟进通信网络数据传输全过程，应用适应度函数寻求恶意代码更新最优解。基于PSO-KM聚类分析技术构建恶意代码数据特征集合，利用小批量计算方式分配特征聚类权重，以加权平均值作为分配依据检测恶意攻击代码，实现检测方法设计。实验结果表明：在本文方法应用下对恶意攻击代码检测的正确识别率可以达到99%以上，误报率可以控制在0.5%之内，具有应用价值。

关键词：恶意攻击代码;通信网络;PSO-KM聚类分析;聚类权重;网络行为特征;行为优劣程度;

基金资助：江苏省高等职业教育高水平专业群（苏教职函[2021] 1号）；江苏省高等职业教育高水平骨干专业建设项目（苏教高[2017] 17号）