基于深度学习和信任度量的云平台自适应恶意攻击检测与响应算法

摘要

由于提取的云平台数据特征与异常行为相关性不高，云平台自适应恶意攻击检测效果不佳。因此，设计了基于深度学习和信任度量的云平台自适应恶意攻击检测与响应算法。利用传感器采集云平台数据，并对其进行平滑计算和规范化处理，再对其进行聚类分析，在深度学习网络的作用下，提取出云平台运行数据的多个特征，并计算其信任度值，通过计算自适应控制函数，构建恶意攻击检测模型，将检测结果作为基础，计算恶意攻击带来的风险值，由此设计恶意攻击响应机制。以某云平台为实验对象的测试结果表明该算法在实际应用中检出率较高，检测效果较好。

关键词

深度学习 / 信任度量 / 云平台 / 恶意攻击 / 攻击响应 / 攻击检测算法 / 算法设计