基于贝叶斯网络的通信网络信息安全过滤方法.pdf

信息与电脑2023年第10 期Information&Computer基于贝叶斯网络的通信网络信息安全过滤方法信息安全与管理张超（青岛远洋船员职业学院，山东青岛摘要：由于传统方法在通信网络信息安全过滤中应用效果不佳，无法达到预期的过滤效果，提出基于贝叶斯网络的通信网络信息安全过滤方法。首先建立信息分类准则和对话机制，根据通信网络信息流向属性确定信息位置，其次定向接收流向指定位置的通信网络信息，解析网络信息，提取网络信息特征，最后利用贝叶斯网络分类网络信息，完成基于贝叶斯网络的通信网络信息安全过滤。经实验证明，采用改进方法过滤未被成功过滤的垃圾网络信息，可将未被成功过滤垃圾信息比例控制在1%以内，信息过滤速率为16 7 4.2 6 B/s，说明设计方法在通信网络信息安全过滤方面具有良好的应用前景。关键词：贝叶斯网络；通信网络信息；安全过滤；定向接收；信息特征中图分类号：TP393.0Security Filtering Method of Communication Network Information Based on266404)文献标识码：A文章编号：10 0 3-9 7 6 7（2 0 2 3）10-2 35-0 3Bayesian NetworkZHANG Chao(Qingdao Ocean Shipping Mariners College Qingdao,Qingdao Shandong 266404,China)Abstract:Due to the poor application effect of traditional methods in the information security filtering ofcommunication network,the expected filtering effect cannot be achieved.A communication network information securityfiltering method based on Bayesian network is proposed.Establish information classification criteria and dialoguemechanism,determine the information location according to the information flow direction attribute of the communicationnetwork,directionally receive the communication network information flowing to the specified location,analyze andprocess the network information,extract the network information characteristics,use Bayesian network to classifythe network information,and complete the communication network information security filtering based on Bayesiannetwork.Through experiments,it has been proven that using improved methods to filter unsuccessfully filtered junknetwork information can control the proportion within 1%,and the information filtering rate is 1674.26 B/s.It has goodapplication prospects in communication network information security filtering.Keywords:bayesian network;communication network information;security filtering;directional reception;informationcharacteristics0引言21世纪，人们进入计算机网络时代，通信网络成为常用的交流平台。相关统计资料显示，目前每天通信网络中的交流信息超过10 亿条，用户要想在海量的网络信息中寻找到有价值的信息，具有一定的难度。并且通收稿日期：2 0 2 3-0 3-0 3作者简介：张超（19 7 3一），男，山东青岛人，本科，工程师。研究方向：计算机、网络、多媒体设备。信网络中的信息并不都是有价值的信息，还存在一些虚假信息、垃圾信息。如果不采取有效手段控制垃圾信息的传播，就会给网络用户造成不良影响，因此通信网络信息安全过滤十分必要。虽然近几年通信网络信息安全问题受到研究领域的重视与关注，相关学者与专家开展235信息与电脑信息安全与管理Information&Computer2023年第10 期了一系列研究，但是网络信息安全过滤方法并没有得到有效地更新和优化。现行网络信息安全过滤方法已经无法满足实际需求，也无法达到预期的过滤效果，为此提出了基于贝叶斯网络的通信网络信息安全过滤方法。1定向接收网络信息数据流通信网络信息数据的流向属性可以用于描述网络中信息数据的传输方向和路径，从而帮助人们更好地理解网络中信息数据的流动过程，以及如何实现对目标信息数据的定向接收和处理，其用公式表示为Y=(D,G)式中：Y为通信网络信息数据的流向属性；D为网络通信协议类型；G为通信网络信息数据类型。在定向接收数据的过程中，设定通信网络信息数据接收对策表，将网络信息数据流向属性Y映射到接收对策表中，实现通信网络信息定向位置的定点选择。按通信次序归类通信网络信息数据，并设定定向接收准则，建立对话机制，在数据接收过程中关联通信网络信息数据类型。定向接收准则有2 点：准则1，用户发起通信请求后，即用户发起服务器端口连接的会话指令后，在服务器端口出现的会话进程处理界面内创建一个子端口，接收用户发送的通信信息；准则2，在各个子端口上与服务器之间建立起一条连接通道，从而接收从客户服务器端口传送来的信息流 2 。根据用户服务器端地址确定通信网络信息流量地址，将该地址发出的通信网络信息发送到过滤服务器，对数据进行转换处理，将模拟量数据信息转换为数字量数据信息，根据定向接收的通信网络信息数据流生成信息集，以便后续特征提取和过滤。2通信网络信息预处理及特征提取考虑接收的网络信息数据格式存在差异，故将网络信息数据格式统一为标签图像文件格式（TagImageFileFormat，T I FF）。信息在通信网络传输过程中以压缩包的形式存在，因此需要解压数据格式转换后的数据包，从而得到数据包内的网络信息具体内容 3。对于通信网络信息中的文字信息，因为词语与词语之间没有显著的间隔，所以必须先切分信息文本中的词语，再进行精确地分类和筛选。在切分时，可以使用最大正向匹配法对通信网络信息进行词语切分。其用公式表示为x1H=log式中：H为通信网络信息特征参数；C为某一信息特征在当前文本信息中出现的概率；X为某一信息特征在整个通信网络信息中出现的概率；P为某一类别当中的信息词语在网络信息的比例。3基于贝叶斯网络的信息安全过滤文章利用贝叶斯网络分类通信网络信息。通信网络信息主要分为有用信息和网络垃圾信息。将网络信息特征与用户通信信息中的关键词相匹配的信息定义为有用信息，不匹配信息定义为网络垃圾信息 4。贝叶斯网络由一个分类变量和多个相互独立的网络节点组成，每个(1)网络节点对应一个特征参数。假设K为分类变量，将网络通信信息输入贝叶斯网络，利用贝叶斯公式计算出该通信网络信息含有某一分类特征的概率为K(K=H|R=R)q=K(K=H)式中：9 为通信网络信息含有某一分类特征的概率；R为信息类别 5。将提取到的信息特征输人贝叶斯公式，计算出通信网络信息为正常信息的概率，从而在贝叶斯网络中设定阈值。将式（3）计算结果与阈值比对，如果小于设定的阈值，则表示通信网络信息为正常信息的概率较小，是垃圾网络信息的概率较高，会分类为垃圾网络信息，对该信息自动滤除；如果大于设定的阈值，则表示通信网络信息为正常信息的概率较大，是垃圾网络信息的概率较小，会分类为有用信息。分类通信网络信息的过程用公式表示为fo if q式中：为通信网络信息过滤决策；0 为信息保留；为通信网络信息分类阈值；1为通信网络信息滤除 7-。根据通信网络信息流向将决策为“0”的网络信息发送到用户服务器端口，实现网络信息安全通信。按照式（4）分类过滤流经通信网络中的每一个信息数据流，从而完成基于贝叶斯网络的通信网络信息安全过滤。4实验论证4.1实验准备与设计为了验证提出方法的可行性与可靠性，选择某通信网络用户共10 0 人的通信网络为实验对象。为了使实验数据与实验结果具有一定的说明性与可靠性，使用设计方法和两组传统方法进行对比实验。其中，两组传统方法分别为基于大数据视域的通信网络信息安全过滤方法(2)与基于遗传算法的通信网络信息安全过滤方法，以下分别用传统方法1与传统方法2 表示。(3）(4)236信息与电脑2023年第10 期Information&Computer4.2实验结果与讨论按照流程定向接收通信网络信息数据流，共接收到10000B信息数据，其中垃圾网络信息占比为40%。文章先利用式（2）提取网络信息特征，再利用贝叶斯网络对信息进行匹配、分类、过滤。3种方法未被成功过滤垃圾信息比例对比结果如表1所示。表13种方法未被成功过滤垃圾信息比例对比垃圾网络设计方法/B传统方法1/B传统方法2/B信息比例/%510152025303540由表1可知，应用本文设计方法后，未被成功过滤的垃圾网络信息比例相对较小，随着垃圾网络信息比例增长，未被成功过滤垃圾信息比例增长幅度较小，证明设计方法具有较高的过滤精度，能够全面过滤通信网络信息中垃圾信息。为了进一步验证设计方法的适用性，对比3种方法过滤速率。实验分为7 组，每组进行10 次通信，每次通信1000B信息。文章使用KHF软件测算网络信息安全过滤速率，并使用电子表格记录实验数据，具体数据如表2 所示。表2 3种方法网络信息安全过滤速率对比单位：B/s实验组别设计方法第一组1 645.25第二组1745.01第三组1 695.31第四组1 578.47第五组1 685.64第六组1 586.25第七组1 674.58信息安全与管理由表2 可知，设计方法网络信息安全过滤速率相对较快，最高过滤速率可以达到17 45.0 1B/s，最低过滤速率为157 8.47 B/s，平均过滤速率为16 7 4.2 6 B/s，远远高于传统方法1和传统方法，说明设计方法网络信息安全过滤速度较快。实验结果表明，设计方法比两种传统方法更适用于通信网络信息安全过滤。5结语文章采用改进方法有效提高了通信网络信息安全过滤精度和速率，补充并完善了当前网络信息安全过滤理0.011.250.012.350.024.460.035.280.047.460.058.520.079.150.0911.24传统方法1传统方法2568.16694.26628.64684.15598.34615.18574.81648.52596.32632.23549.94611.02576.15597.481.362.593.695.416.527.969.4610.25论，实现了对传统方法的优化与创新，为通信网络信息安全过滤提供了参考依据，具有一定的研究价值。但是，设计方法尚未在实际中得到大量的应用与实践，在某些方面可能存在部分不足之处，今后会在方法优化设计方面展开进一步研究，为通信网络信息安全过滤提供有力的理论支撑。参考文献1张宁，范海涛.基于贝叶斯网络的信息安全预警模型 J.微型电脑应用,2 0 2 2,38(6):135-138.2胡红.大数据视域下不良信息安全过滤系统的仿真研究 J.微型电脑应用,2 0 2 1,37(9):44-47.3林广朋.基于贝叶斯算法的网络信息安全过滤系统设计 J.长江信息通信,2 0 2 2,35(6):54-56.4陈默.基于遗传算法的网络信息安全过滤系统设计 信息与电脑,2 0 2 2,34(1):6 2-6 4.5陈天俊，孔德馨，洪宇昕，等.无线网络信息安全的现状和应对手段研究 .数字通信世界,2 0 2 1(5):2 59-2 6 0.6罗振营.大数据时代下计算机网络信息安全问题分析 J.现代工业经济和信息化,2 0 2 2,12(12):9 8-10 0.7李美娟.虚拟专用网络技术在计算机网络信息安全中的应用 J.无线互联科技,2 0 2 2,19(2 4):10 3-10 5.8张彭，韩燕.大数据背景下的网络信息安全控制机制与评价体系分析 J.数字通信世界,2 0 2 2(12):151-153.237-