论文部分内容阅读
针对超密集网络安全性的问题,提出一种热模式分析结合网络自适应跳变算法的超密集网络攻击预测方法。研究发现超密集网络中漫游用户的安全与其增加的切换百分比有关。提出一种基于热模式分析(Thermal Pattern Analysis, TPA)的网络攻击预测新方法,通过跟踪热能模式的足迹(能量和频谱效率)来确定高速用户的可能攻击区域。引入网络自适应跳变算法,采用网络威胁感知和跳变策略设计指导网络跳变机制的选择。实验结果表明,该方法能够更加准确地在超密集网络环境中找到可能低安全性区域,相比其他较新的同类型预