肖 峰

(安徽职业技术学院，安徽 合肥 230031)

0 引 言

计算机网络信息技术的发展对网络的安全性提出了更大的挑战，需要构建优化的计算机网络潜在攻击检测模型，结合信息处理和传输信道优化控制的方法，实现计算机网络潜在攻击检测和安全性识别，分析计算机网络潜在攻击的统计信息，采用信号处理方法，实现对计算机网络潜在攻击信号模拟，结合对应的大数据分析技术，实现计算机网络潜在攻击检测，提高计算机网络的安全性，相关的计算机网络潜在攻击检测方法研究在网络安全模型设计中具有一定的意义[1]。

对计算机网络潜在攻击的检测方法是建立在对计算机网络潜在攻击信息特征检测和信号分析基础上，采用大数据融合分析和信号拟合的方法，建立计算机网络潜在攻击信号分析模型，传统方法中，对计算机网络潜在攻击信号的时频特性分析主要有基于改进D-S证据理论的网络入侵检测、融合多模式匹配算法的计算机网络入侵检测方法、改进粗糙集属性约简结合K-means聚类的网络入侵检测方法等[2-4]，上述分析提取了计算机网络潜在攻击信号的谱参数，结合学习算法，实现计算机网络潜在攻击检测，但上述方法对计算机网络潜在攻击检测的抗干扰能力不强，抗强力隐蔽攻击性能不好[5]，针对上述问题，本文提出基于孤立森林算法的计算机网络潜在攻击检测方法。首先构建计算机网络潜在攻击信号安全……