基于RippleNet的多维度算力节点安全信任评估方法

周犇

doi:10.13992/j.cnki.tetas.2024.s2.005

Chinese

您当前的位置：

首页 >

文章列表页 >

基于RippleNet的多维度算力节点安全信任评估方法

构建智能化运维系统 | 更新时间：2026-04-20

- 基于RippleNet的多维度算力节点安全信任评估方法
- 基于RippleNet的多维度算力节点安全信任评估方法
- 电信工程技术与标准化 2024年37卷第S2期页码：133-136
- 作者机构：
  
  中国移动通信集团设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2024.s2.005
  中图分类号： TP393.08
- 纸质出版：2024
- 稿件说明：
移动端阅览
周犇. 基于RippleNet的多维度算力节点安全信任评估方法[J]. 电信工程技术与标准化, 2024,37(S2):133-136.

周犇. 基于RippleNet的多维度算力节点安全信任评估方法[J]. 2024, 37(S2): 133-136.
周犇. 基于RippleNet的多维度算力节点安全信任评估方法[J]. 电信工程技术与标准化, 2024,37(S2):133-136. DOI： 10.13992/j.cnki.tetas.2024.s2.005.

周犇. 基于RippleNet的多维度算力节点安全信任评估方法[J]. 2024, 37(S2): 133-136. DOI： 10.13992/j.cnki.tetas.2024.s2.005.

摘要

算力网络安全是算力网络建设健康度的关键衡量指标。构成算力网络的算力节点安全作为系统整体安全的源头

目前缺乏专业的安全信任衡量评估标准来感知预测算力网络安全态势。本文提出了一种结合RippleNet的算力节点安全信任评估方法

用于评估算力网络节点的安全信任系数

重点关注节点计算资源和数据安全。对节点访问日志、安全配置、通信记录、安全事件等多性维度关联安全因子的发掘

提出了一套综合性的多维安全信任评估指标体系

推断每个节点的安全风险程度

从而提供有效的安全防护调度策略支撑。

Abstract

关键词

Keywords

references

Yoon Kim.Convolutional Neural Networks for Sentence Classification.[J].CoRR,2014.

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997(8).

Jeffrey L. Elman.Finding structure in time[J].Cognitive Science,1990(2).

于成丽,安青邦,周丽丽.人工智能在网络安全领域的应用和发展新趋势[J].保密科学技术,2017(11).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能驱动的算力网络靶场综述

基于多探针融合的算力网络全链路质量感知与保障机制

省级算力调度平台建设运营模式分析及建议

端边云场景下的算力度量方法

需求侧响应的算力网络调度策略研究

相关机构

中国移动通信集团有限公司

中移(苏州)软件技术有限公司

中国移动通信集团设计院有限公司新疆分公司

中移铁通有限公司吉林分公司

中国移动通信集团吉林有限公司

AI问答

地址：北京市丰台区顺八条1号院2号楼北阳晨光大厦2层邮编：100079
联系电话：（010）53879206 Email：tmw@bjxintong.com.cn
技术支持由北京北大方正电子有限公司提供京ICP备09082226号-64 京公网安备11010602201714号
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies

⁰