[发明专利]一种基于输入数据压缩表示关联分析的数据融合防篡改方法

权利要求书

1.一种基于输入数据压缩表示关联分析的数据融合防篡改方法，其特征在于，包括如下步骤：

步骤1)，网络节点数据特征压缩：对网络节点原始输入数据进行压缩表示数据特征，以保证数据表示精度，屏蔽不同数据类型的差异性；

步骤2)，基于Boost原则进行子数据集收集：将网络节点原始输入数据的压缩表示结果与融合结果拼接为向量作为真实数据，并构建反例同真实数据一同构成数据集；将数据集进行有放回等概率划分为s个子数据集，构成训练子分类器的输入数据向量；

所述步骤1)具体包括：

步骤1.1)，应用哈希函数将原始输入数据进行压缩映射入布隆过滤器中；

步骤1.2)，组合不同时隙的多个布隆过滤器压缩数据的表示结果；

所述步骤2)具体包括：

步骤2.1)，拼接向量并构建反例，同真实数据一同构成数据集；

步骤2.2)，以相同概率有放回抽取数据向量以便构建子数据集；

所述步骤2.1)中，将网络节点原始输入数据的压缩表示结果与融合结果拼接为向量，拼接向量由网络节点对应的布隆过滤器中的比特数组和网络节点数据融合结果组合而成，作为正向数据向量并加入数据集中，同时，人为篡改融合结果，同网络节点原始输入数据的压缩表示结果拼接成向量，作为反向数据向量加入数据集；

所述步骤2.2)中，以相同概率有放回抽取数据集中的数据向量以便构建子数据集，数据集规模为x，以相同概率依次从数据集中抽取数据向量加入子数据集，直到子数据集规模达到x，完成该子数据集的构建，共s个子数据集；

所述融合结果是网络节点在收集到原始输入数据后，采用融合技术对数据进行融合得到，具体操作是对数据进行冗余，所述拼接是将压缩表示结果连在融合结果后面；

步骤3)，基于Adaboost的子分类器及篡改检测模型构建：利用划分的s个子数据集训练子分类器，组合子分类器搭建AdaBoost分类器对相关网络节点数据向量类型进行预测，最后应用多数投票原理作出最终预测结果，并快速识别篡改数据融合结果，防范恶意数据融合操作；

所述步骤3)具体包括：

步骤3.1)，对子数据集进行权值初始化；

步骤3.2)，利用支持向量机搭建AdaBoost子分类器；

步骤3.3)，应用多数投票原理构建预测结果形成机制。

2.根据权利要求1所述基于输入数据压缩表示关联分析的数据融合防篡改方法，其特征在于，所述步骤1.1)中，收集每个时隙h个感知实体接受的原始输入数据，定义h个比特数组，利用h个布隆过滤器组分别依次记录h个感知实体中数据，每个数组大小为m，构造k个哈希函数，依次利用k个哈希函数分别对记录在h个布隆过滤器中的感知实体数据进行映射，将感知实体数据中n个元素映射成比特数组(Bit array)中n个点，命中单元置1；

所述步骤1.2)中，将h个感知实体对应的h个布隆过滤器压缩表示结果进行组合，作为本时隙网络节点数据的压缩表示结果。

3.根据权利要求2所述基于输入数据压缩表示关联分析的数据融合防篡改方法，其特征在于，所述原始输入数据取值范围决定布隆过滤器单元数量，布隆过滤器单元数量、预期失误率和输入数据大小满足如下计算公式：

其中，m表示布隆过滤器单元数量，n表示原始输入数据容量，p为预期失误率。

4.根据权利要求1所述基于输入数据压缩表示关联分析的数据融合防篡改方法，其特征在于，

所述步骤3.1)，依次统计篡改数据向量和正常数据个数，依次对子数据集进行权值初始化；

所述步骤3.2)，构造第i个子分类器时，选用第i个子数据集，利用最大欧式距离从输入数据中确定输入数据间距离最大的两个输入数据向量，以这两个向量为支撑向量对其他数据向量进行聚簇，形成子分类器，依次计算子分类器和子数据集权重并存储到数据结构中，用于构建下一个子分类器，最后将构建的所有子分类器进行组合形成AdaBoost分类器；

所述步骤3.3)，利用多数投票原理对子分类器的结果进行汇总，形成完整的分类器，实现对输入数据和融合结果关系的建模，以便完成对虚假数据融合结果的检测。