本發(fā)明涉及智能家具領域，具體而言，涉及一種基于云安全的智能家具系統(tǒng)。

背景技術：

智能家具是現(xiàn)代家具發(fā)展的必然趨勢，其出現(xiàn)大大方便了人們的生活住行?，F(xiàn)有的智能家具系統(tǒng)往往存在遠程監(jiān)控不足、本地控制器儲存和處理信息兩國大、信息安全性不高等問題，而且用戶不能實現(xiàn)遠程報警，尤其有時候用戶忘記或者不知道物業(yè)管理或者最近的派出所電話時，往往會耽誤最佳的求助時機。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于云安全的智能家具系統(tǒng)，以解決上述的問題。

為解決上述技術問題，本發(fā)明采用的技術方案是：

一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡、用戶手機終端、控制器、無線收發(fā)器、物業(yè)管理通知器、自動報警器、攝像裝置、室內(nèi)空調、電熱水器、電子防盜鎖和多媒體播放器；所述攝像裝置、室內(nèi)空調、電熱水器、電子防盜鎖和多媒體播放器分別與控制器相連，控制器將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器發(fā)送到云網(wǎng)絡中，并傳送至用戶手機終端，同時用戶可以通過用戶手機終端控制室內(nèi)空調、電熱水器和多媒體播放器的開關；所述物業(yè)管理通知器和自動報警器分別與控制器相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端手機通知物業(yè)管理處或最近的派出所。

有益效果：實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性的，并不能限制本公開。

附圖說明

圖1是本發(fā)明各模塊的連接示意圖；

圖2是安全可視化系統(tǒng)的結構框圖。

附圖標記：

信息數(shù)據(jù)挖掘模塊-1；信息預處理模塊-2；信息存儲模塊-3；信息分析與展示模塊-4；數(shù)據(jù)降維單元-21；數(shù)據(jù)識別單元-22；數(shù)據(jù)分類單元-23；往來關系分析展示子模塊-41；日志次數(shù)分布分析展示子模塊-42；IP間信息發(fā)送關系分析展示子模塊-43；敏感郵件轉發(fā)路徑分析與展示子模塊-44；分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊-45；云網(wǎng)絡-100；用戶手機終端-200；控制器-300；無線收發(fā)器-400；物業(yè)管理通知器-500；自動報警器-600；攝像裝置-700；室內(nèi)空調-800；電熱水器-900；電子防盜鎖-1000；多媒體播放器-1100。

此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發(fā)明的實施例，并與說明書一起用于解釋本發(fā)明的原理。

具體實施方式

下面通過具體的實施例并結合附圖對本發(fā)明做進一步的詳細描述。

應用場景1：

如圖1所示的一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡100、用戶手機終端200、控制器300、無線收發(fā)器400、物業(yè)管理通知器500、自動報警器600、攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100；所述攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100分別與控制器300相連，控制器300將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器400發(fā)送到云網(wǎng)絡100中，并傳送至用戶手機終端200，同時用戶可以通過用戶手機終端200控制室內(nèi)空調800、電熱水器900和多媒體播放器1100的開關；所述物業(yè)管理通知器500和自動報警器600分別與控制器300相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端200手機通知物業(yè)管理處或最近的派出所。

本發(fā)明實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

優(yōu)選地，所述多媒體播放器1100包括有線電視、數(shù)字家庭影院。

優(yōu)選地，所述物業(yè)管理通知器500和自動報警器600為具有短信發(fā)送功能的GSM模塊，其預先輸入并儲存物業(yè)管理員和最近派出所的號碼，當接收到用戶的命令時，GSM模塊自動向預先輸入的號碼發(fā)送短信通知，短信內(nèi)容包括預先寫入的住址、屋主姓名信息和求助信息，所述求助信息可以為“非法入侵，請求幫助”的字樣。

優(yōu)選地，如圖2所示，還包括安全可視化系統(tǒng)，用于對所述云網(wǎng)絡進行可視化的安全監(jiān)控，其包括依次連接的信息數(shù)據(jù)挖掘模塊1、信息預處理模塊2、信息存儲模塊3和信息分析與展示模塊4；

所述信息數(shù)據(jù)挖掘模塊1，用于通過在局域網(wǎng)絡中抓取網(wǎng)絡數(shù)據(jù)包的方式獲取原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括IP間敏感信息發(fā)送檢測數(shù)據(jù)、郵件檢測日志數(shù)據(jù)和分布式拒絕服務攻擊數(shù)據(jù)三種數(shù)據(jù)類型；

所述信息預處理模塊2，用于對原始信息數(shù)據(jù)進行數(shù)據(jù)降維、識別和分類預處理；

所述信息存儲模塊3，用于將預處理后的信息數(shù)據(jù)存儲到云存儲資源池相應的位置中；

所述信息分析與展示模塊4，用于實現(xiàn)信息的提取、分析和展示，其包括郵件往來關系分析展示子模塊41、日志次數(shù)分布分析展示子模塊42、IP間信息發(fā)送關系分析展示子模塊43、敏感郵件轉發(fā)路徑分析與展示子模塊44和分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，具體為：

(1)郵件往來關系分析展示子模塊41，用于對云存儲資源池中存儲的郵件檢測日志數(shù)據(jù)進行提取、分析、處理，并展示某一指定時間段內(nèi)檢測到的敏感郵件往來關系；所述郵件往來關系分析展示子模塊41通過設計可選擇日期的日歷使用戶能與界面進行交互，用戶可任意選擇要查看的時間段，具體執(zhí)行以下操作：

根據(jù)用戶選擇的時間段，系統(tǒng)對云存儲資源池中的數(shù)據(jù)進行選取，選取到數(shù)據(jù)后以字典的形式對數(shù)據(jù)進行存儲，經(jīng)過對數(shù)據(jù)進行分析處理，根據(jù)敏感郵件的收發(fā)對應關系生成對應的矩陣數(shù)據(jù)模型；隨后，通過和弦圖的形式對所選擇時間段內(nèi)敏感郵件的收發(fā)關系進行可視化展示，各個不同郵箱分布在圓形的周圍，在圓形外側輪廓顯示郵箱地址，如果不同的郵箱之間有著敏感信息的發(fā)送關系，便在兩個郵箱之間做一條帶狀線條，線條粗的一方表示郵件的發(fā)送方，而線條細的一方表示郵件的接收方；

(2)日志次數(shù)分布分析展示子模塊42，用于按照時間段以及檢測到的日志數(shù)量進行分類和統(tǒng)計，并用樹狀圖的形式表現(xiàn)出來，具體為：

(2-1)將接收的日志數(shù)據(jù)集W按照時間段劃分為n個時間子集，即W＝{W1，W2，…，Wj，…，Wn}；

(2-2)人為設定m個日志數(shù)量等級，將每個時間子集Wj劃分m個等級子集，即W1j、W2j、…、Wij、…、Wmj，其中m的取值范圍為[4,8]；

(2-3)以日志數(shù)據(jù)集W為根，Wj為第一層節(jié)點，Wij為第二層節(jié)點構造樹TW；

(2-5)計算樹TW中每個節(jié)點的量值，其中葉子節(jié)點的量值即為該數(shù)據(jù)元素的值，非葉子節(jié)點的量值等于其下層所有子節(jié)點的量值之和，至此日志數(shù)據(jù)集W構造成了一個樹型數(shù)據(jù)結構；

(2-6)將生成的樹型數(shù)據(jù)結構映射為二維平面上的樹狀圖；

(3)IP間信息發(fā)送關系分析展示子模塊43，用于對位于云存儲資源池相應位置的IP間敏感信息發(fā)送檢測數(shù)據(jù)進行提取、分析、統(tǒng)計處理，通過可視化展示形式及界面交互展示一定時間段內(nèi)不同的IP之間的敏感信息發(fā)送關聯(lián)關系；所述IP間信息發(fā)送關系分析展示子模塊43采用時間段選擇機制以及散點布局展示方式，用節(jié)點形式表示實體，線條表示實體之間的聯(lián)系，用節(jié)點的大小來表示IP間信息發(fā)送關聯(lián)關系的強弱程度，根據(jù)鼠標點擊事件有選擇性的進行層次展示；鼠標懸停在節(jié)點上會出現(xiàn)對應實體的詳細信息，所述詳細信息包括ID、發(fā)現(xiàn)時間，鼠標點擊實體便會選擇出與所選擇節(jié)點有關聯(lián)的所有IP，并只顯示該子網(wǎng)絡圖，同時也以文字的形式展示出其發(fā)送信息的對應關系；同時設置有搜索機制，用戶可以輸入某一IP選擇想要查看的IP關聯(lián)信息；

(4)敏感郵件轉發(fā)路徑分析與展示子模塊44，用于通過分析處理統(tǒng)計郵件檢測日志數(shù)據(jù)中的檢測數(shù)據(jù)以及郵件轉發(fā)關系，展示某一特定郵件在不同的郵箱之間被轉發(fā)的路徑，具體為：

首先，用戶在搜索框內(nèi)輸入要搜索的郵件標題或者郵件標題所含的關鍵詞，系統(tǒng)根據(jù)關鍵詞對郵件記錄數(shù)據(jù)中所有的郵件標題進行模糊匹配檢索，若沒有檢索到與用戶輸入相匹配的郵件，則發(fā)送信息提醒用戶重新輸入；如果成功檢索到相關記錄，便將檢索結果以Table內(nèi)容的形式展示給用戶，同時為每個郵件的標題添加Click事件，用戶點擊目標郵件的標題，后臺根據(jù)用戶所選郵件再次對郵件記錄進行檢索匹配，找到該郵件的轉發(fā)記錄，并對每次轉發(fā)的收發(fā)件人以字典的形式進行統(tǒng)計記錄，構造可視化展示所需要的數(shù)據(jù)；最后，以一個層疊樹狀圖的形式展示郵件的轉發(fā)路徑呈現(xiàn)給用戶并提供交互功能，如果某郵箱為最后一級接收者，則樹形圖的頂點為空心顯示，如果該郵箱還將此郵件轉發(fā)給了另外的一個或者幾個郵箱，則代表該郵箱的樹形圖節(jié)點設為實心的；

(5)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，用于提取、分析并展示分布式拒絕服務攻擊數(shù)據(jù)，具體為：

1)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45從云存儲資源池的相應位置中提取分布式拒絕服務攻擊數(shù)據(jù)，采用哈希表進行存儲，哈希表中關鍵字采用字符串形式，字符串由源IP、端口號以及根據(jù)用戶設定的時間間隔所選取的時間簽三項組成，這三項中任意一項新建元素出現(xiàn)不同時都要把新建元素插入到哈希表中，每一個元素在將來的圖形化表示中都是一個節(jié)點，表示和被連接主機之間的關系，哈希表中關鍵字對應的值表示該次連接通信活動中的數(shù)據(jù)總量；

2)計算所有節(jié)點的坐標值，進而將帶有坐標信息的點進行繪制，并根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，其中繪制時遵循的原則為：主機節(jié)點和中心節(jié)點之間的連線表示在時間間隔內(nèi)通信數(shù)據(jù)量的大小，按照一定系數(shù)進行映射，通信數(shù)據(jù)量用不同顏色表示，顏色為紅色的表示通信數(shù)據(jù)量較大；主機節(jié)點由若干同心圓組成，顏色的對比強烈程度代表著該連接中涉及的端口數(shù)量。

本實施例中，利用可視化的技術，針對于網(wǎng)絡安全檢測系統(tǒng)中捕獲到的網(wǎng)絡中敏感信息類型以及傳輸情況等進行可視化的展示，從五個不同的角度對網(wǎng)絡安全檢測數(shù)據(jù)進行分析及展示，精確、全方位且方便管理人員做出相應的判斷及決策；設置的分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45能夠對分布式拒絕服務攻擊模式進行多維度顯示，且根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，提高了用戶交互的性能。

優(yōu)選地，所述信息預處理模塊2包括數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，具體為：

(1)數(shù)據(jù)降維單元21，用于采用改進的主成分分析法消除原始信息數(shù)據(jù)間的的冗余，降低原始信息數(shù)據(jù)的維數(shù)，所述改進的主成分分析法為：

1)提起要分析的N條原始信息數(shù)據(jù)，作為矩陣X＝[x₁,x2,…,x_N]，其中x_i為第i條原始信息數(shù)據(jù)；

2)求解N條原始信息數(shù)據(jù)的平均值：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i$

3)求解N條原始信息數(shù)據(jù)的協(xié)方差矩陣A：

$A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(x_i-\stackrel{\‾}{x}){(x_i-\stackrel{\‾}{x})}^T$

4)根據(jù)協(xié)方差矩陣A的特征值問題計算主成分元素：

Aδ_i＝μ_iδ_i

其中μ_i，δ_i分別為A的特征值及對應的特征向量；

5)根據(jù)給定的精度ρ，通過數(shù)值計算方法，求解前M個最大特征值：

$\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\μ}}_i/\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\≥\mathrm{\ρ}$

其中，M的取值范圍為取m＝4，

6)取前M個最大特征值及對應的特征向量，令

Φ＝[δ₁,δ₂,…,δ_M]，Γ＝diag(μ₁,μ2,…,μ_M)

則有AΦ＝ΦΓ；

7)計算低維向量組成的新矩陣Y＝Φ^TX；

(2)數(shù)據(jù)識別單元22，用于對降低維數(shù)后的原始信息數(shù)據(jù)進行識別檢測，去除不相關的信息數(shù)據(jù)，得到相關信息數(shù)據(jù)；

(3)數(shù)據(jù)分類單元23，用于對相關信息數(shù)據(jù)按照數(shù)據(jù)類型進行分類。

其中，所述數(shù)據(jù)識別單元22包括對分布式拒絕服務攻擊數(shù)據(jù)進行識別，具體為：

1)設降維后的K條原始信息數(shù)據(jù)矩陣為Y′＝Φ^TX′，其中X′＝[x₁,x₂,…,x_K]，x_j∈X′，選擇Db3小波作為分析小波，并選擇最大分解尺度，對Y′運用分解算法進行小波分解得到小波系數(shù)矩陣，當j≤最大尺度時，從小波系數(shù)矩陣中提取高頻系數(shù)，計算小系數(shù)的方差Ψ后，并根據(jù)[j,log₂Ψ]擬合直線求得斜率k，從而求解出網(wǎng)絡流量的自相似參數(shù)Hurst值H：

H＝(k-1)/2

2)通過分析求得的不同時刻的Hurst變化值ΔH＝H_t-H_t-1，設定門限值T，若ΔH＞T，判定分布式拒絕服務攻擊發(fā)生，保存對應的原始信息數(shù)據(jù)；若ΔH≤T，判定分布式拒絕服務攻擊沒有發(fā)出，去除對應的原始信息數(shù)據(jù)。

其中，所述郵件的收發(fā)對應關系通過獲取郵件的TCP連接方向得到，首先通過解析獲得的網(wǎng)絡數(shù)據(jù)包，得到包括源IP地址、目的IP地址、源端口、目的端口、序列號的信息，并以四元組1：源IP地址，源端口，目的IP地址，目的端口和四元組2：目的IP地址，目的端口，源IP地址，源端口，分別標示TCP連接的兩個方向，然后將網(wǎng)絡數(shù)據(jù)包的應用層數(shù)據(jù)根據(jù)序列號按序寫入與TCP連接方向對應的日志文件中。

其中，所述Table內(nèi)容包括郵件ID、郵件標題、郵件時間、郵件始發(fā)人和郵件附件個數(shù)。

本實施例中，在信息預處理模塊2中設置數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，對原始信息數(shù)據(jù)進行降維、識別和分類處理，從而實現(xiàn)將不同類型的數(shù)據(jù)存儲在云存儲資源池的不同位置中，利于信息分析與展示模塊4對相應數(shù)據(jù)的提取，進一步提高了系統(tǒng)的運行速度，本實施例取值m＝4，系統(tǒng)的運行速度提高了2％。

應用場景2：

如圖1所示的一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡100、用戶手機終端200、控制器300、無線收發(fā)器400、物業(yè)管理通知器500、自動報警器600、攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100；所述攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100分別與控制器300相連，控制器300將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器400發(fā)送到云網(wǎng)絡100中，并傳送至用戶手機終端200，同時用戶可以通過用戶手機終端200控制室內(nèi)空調800、電熱水器900和多媒體播放器1100的開關；所述物業(yè)管理通知器500和自動報警器600分別與控制器300相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端200手機通知物業(yè)管理處或最近的派出所。

本發(fā)明實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

優(yōu)選地，所述多媒體播放器1100包括有線電視、數(shù)字家庭影院。

優(yōu)選地，所述物業(yè)管理通知器500和自動報警器600為具有短信發(fā)送功能的GSM模塊，其預先輸入并儲存物業(yè)管理員和最近派出所的號碼，當接收到用戶的命令時，GSM模塊自動向預先輸入的號碼發(fā)送短信通知，短信內(nèi)容包括預先寫入的住址、屋主姓名信息和求助信息，所述求助信息可以為“非法入侵，請求幫助”的字樣。

優(yōu)選地，如圖2所示，還包括安全可視化系統(tǒng)，用于對所述云網(wǎng)絡進行可視化的安全監(jiān)控，其包括依次連接的信息數(shù)據(jù)挖掘模塊1、信息預處理模塊2、信息存儲模塊3和信息分析與展示模塊4；

所述信息數(shù)據(jù)挖掘模塊1，用于通過在局域網(wǎng)絡中抓取網(wǎng)絡數(shù)據(jù)包的方式獲取原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括IP間敏感信息發(fā)送檢測數(shù)據(jù)、郵件檢測日志數(shù)據(jù)和分布式拒絕服務攻擊數(shù)據(jù)三種數(shù)據(jù)類型；

所述信息預處理模塊2，用于對原始信息數(shù)據(jù)進行數(shù)據(jù)降維、識別和分類預處理；

所述信息存儲模塊3，用于將預處理后的信息數(shù)據(jù)存儲到云存儲資源池相應的位置中；

所述信息分析與展示模塊4，用于實現(xiàn)信息的提取、分析和展示，其包括郵件往來關系分析展示子模塊41、日志次數(shù)分布分析展示子模塊42、IP間信息發(fā)送關系分析展示子模塊43、敏感郵件轉發(fā)路徑分析與展示子模塊44和分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，具體為：

(1)郵件往來關系分析展示子模塊41，用于對云存儲資源池中存儲的郵件檢測日志數(shù)據(jù)進行提取、分析、處理，并展示某一指定時間段內(nèi)檢測到的敏感郵件往來關系；所述郵件往來關系分析展示子模塊41通過設計可選擇日期的日歷使用戶能與界面進行交互，用戶可任意選擇要查看的時間段，具體執(zhí)行以下操作：

根據(jù)用戶選擇的時間段，系統(tǒng)對云存儲資源池中的數(shù)據(jù)進行選取，選取到數(shù)據(jù)后以字典的形式對數(shù)據(jù)進行存儲，經(jīng)過對數(shù)據(jù)進行分析處理，根據(jù)敏感郵件的收發(fā)對應關系生成對應的矩陣數(shù)據(jù)模型；隨后，通過和弦圖的形式對所選擇時間段內(nèi)敏感郵件的收發(fā)關系進行可視化展示，各個不同郵箱分布在圓形的周圍，在圓形外側輪廓顯示郵箱地址，如果不同的郵箱之間有著敏感信息的發(fā)送關系，便在兩個郵箱之間做一條帶狀線條，線條粗的一方表示郵件的發(fā)送方，而線條細的一方表示郵件的接收方；

(2)日志次數(shù)分布分析展示子模塊42，用于按照時間段以及檢測到的日志數(shù)量進行分類和統(tǒng)計，并用樹狀圖的形式表現(xiàn)出來，具體為：

(2-1)將接收的日志數(shù)據(jù)集W按照時間段劃分為n個時間子集，即W＝{W1，W2，…，Wj，…，Wn}；

(2-2)人為設定m個日志數(shù)量等級，將每個時間子集Wj劃分m個等級子集，即W1j、W2j、…、Wij、…、Wmj，其中m的取值范圍為[4,8]；

(2-3)以日志數(shù)據(jù)集W為根，Wj為第一層節(jié)點，Wij為第二層節(jié)點構造樹TW；

(2-5)計算樹TW中每個節(jié)點的量值，其中葉子節(jié)點的量值即為該數(shù)據(jù)元素的值，非葉子節(jié)點的量值等于其下層所有子節(jié)點的量值之和，至此日志數(shù)據(jù)集W構造成了一個樹型數(shù)據(jù)結構；

(2-6)將生成的樹型數(shù)據(jù)結構映射為二維平面上的樹狀圖；

(3)IP間信息發(fā)送關系分析展示子模塊43，用于對位于云存儲資源池相應位置的IP間敏感信息發(fā)送檢測數(shù)據(jù)進行提取、分析、統(tǒng)計處理，通過可視化展示形式及界面交互展示一定時間段內(nèi)不同的IP之間的敏感信息發(fā)送關聯(lián)關系；所述IP間信息發(fā)送關系分析展示子模塊43采用時間段選擇機制以及散點布局展示方式，用節(jié)點形式表示實體，線條表示實體之間的聯(lián)系，用節(jié)點的大小來表示IP間信息發(fā)送關聯(lián)關系的強弱程度，根據(jù)鼠標點擊事件有選擇性的進行層次展示；鼠標懸停在節(jié)點上會出現(xiàn)對應實體的詳細信息，所述詳細信息包括ID、發(fā)現(xiàn)時間，鼠標點擊實體便會選擇出與所選擇節(jié)點有關聯(lián)的所有IP，并只顯示該子網(wǎng)絡圖，同時也以文字的形式展示出其發(fā)送信息的對應關系；同時設置有搜索機制，用戶可以輸入某一IP選擇想要查看的IP關聯(lián)信息；

(4)敏感郵件轉發(fā)路徑分析與展示子模塊44，用于通過分析處理統(tǒng)計郵件檢測日志數(shù)據(jù)中的檢測數(shù)據(jù)以及郵件轉發(fā)關系，展示某一特定郵件在不同的郵箱之間被轉發(fā)的路徑，具體為：

首先，用戶在搜索框內(nèi)輸入要搜索的郵件標題或者郵件標題所含的關鍵詞，系統(tǒng)根據(jù)關鍵詞對郵件記錄數(shù)據(jù)中所有的郵件標題進行模糊匹配檢索，若沒有檢索到與用戶輸入相匹配的郵件，則發(fā)送信息提醒用戶重新輸入；如果成功檢索到相關記錄，便將檢索結果以Table內(nèi)容的形式展示給用戶，同時為每個郵件的標題添加Click事件，用戶點擊目標郵件的標題，后臺根據(jù)用戶所選郵件再次對郵件記錄進行檢索匹配，找到該郵件的轉發(fā)記錄，并對每次轉發(fā)的收發(fā)件人以字典的形式進行統(tǒng)計記錄，構造可視化展示所需要的數(shù)據(jù)；最后，以一個層疊樹狀圖的形式展示郵件的轉發(fā)路徑呈現(xiàn)給用戶并提供交互功能，如果某郵箱為最后一級接收者，則樹形圖的頂點為空心顯示，如果該郵箱還將此郵件轉發(fā)給了另外的一個或者幾個郵箱，則代表該郵箱的樹形圖節(jié)點設為實心的；

(5)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，用于提取、分析并展示分布式拒絕服務攻擊數(shù)據(jù)，具體為：

1)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45從云存儲資源池的相應位置中提取分布式拒絕服務攻擊數(shù)據(jù)，采用哈希表進行存儲，哈希表中關鍵字采用字符串形式，字符串由源IP、端口號以及根據(jù)用戶設定的時間間隔所選取的時間簽三項組成，這三項中任意一項新建元素出現(xiàn)不同時都要把新建元素插入到哈希表中，每一個元素在將來的圖形化表示中都是一個節(jié)點，表示和被連接主機之間的關系，哈希表中關鍵字對應的值表示該次連接通信活動中的數(shù)據(jù)總量；

2)計算所有節(jié)點的坐標值，進而將帶有坐標信息的點進行繪制，并根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，其中繪制時遵循的原則為：主機節(jié)點和中心節(jié)點之間的連線表示在時間間隔內(nèi)通信數(shù)據(jù)量的大小，按照一定系數(shù)進行映射，通信數(shù)據(jù)量用不同顏色表示，顏色為紅色的表示通信數(shù)據(jù)量較大；主機節(jié)點由若干同心圓組成，顏色的對比強烈程度代表著該連接中涉及的端口數(shù)量。

本實施例中，利用可視化的技術，針對于網(wǎng)絡安全檢測系統(tǒng)中捕獲到的網(wǎng)絡中敏感信息類型以及傳輸情況等進行可視化的展示，從五個不同的角度對網(wǎng)絡安全檢測數(shù)據(jù)進行分析及展示，精確、全方位且方便管理人員做出相應的判斷及決策；設置的分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45能夠對分布式拒絕服務攻擊模式進行多維度顯示，且根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，提高了用戶交互的性能。

優(yōu)選地，所述信息預處理模塊2包括數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，具體為：

(1)數(shù)據(jù)降維單元21，用于采用改進的主成分分析法消除原始信息數(shù)據(jù)間的的冗余，降低原始信息數(shù)據(jù)的維數(shù)，所述改進的主成分分析法為：

1)提起要分析的N條原始信息數(shù)據(jù)，作為矩陣X＝[x₁,x₂,…,x_N]，其中x_i為第i條原始信息數(shù)據(jù)；

2)求解N條原始信息數(shù)據(jù)的平均值：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i$

3)求解N條原始信息數(shù)據(jù)的協(xié)方差矩陣A：

$A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(x_i-\stackrel{\‾}{x}){(x_i-\stackrel{\‾}{x})}^T$

4)根據(jù)協(xié)方差矩陣A的特征值問題計算主成分元素：

Aδ_i＝μ_iδ_i

其中μ_i，δ_i分別為A的特征值及對應的特征向量；

5)根據(jù)給定的精度ρ，通過數(shù)值計算方法，求解前M個最大特征值：

$\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\μ}}_i/\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\≥\mathrm{\ρ}$

其中，M的取值范圍為取m＝5，

6)取前M個最大特征值及對應的特征向量，令

Φ＝[δ₁,δ₂,…,δ_M]，Γ＝diag(μ₁,μ₂,…,μ_M)

則有AΦ＝ΦΓ；

7)計算低維向量組成的新矩陣Y＝Φ^TX；

(2)數(shù)據(jù)識別單元22，用于對降低維數(shù)后的原始信息數(shù)據(jù)進行識別檢測，去除不相關的信息數(shù)據(jù)，得到相關信息數(shù)據(jù)；

(3)數(shù)據(jù)分類單元23，用于對相關信息數(shù)據(jù)按照數(shù)據(jù)類型進行分類。

其中，所述數(shù)據(jù)識別單元22包括對分布式拒絕服務攻擊數(shù)據(jù)進行識別，具體為：

1)設降維后的K條原始信息數(shù)據(jù)矩陣為Y′＝Φ^TX′，其中X′＝[x₁,x₂,…,x_K]，x_j∈X′，選擇Db3小波作為分析小波，并選擇最大分解尺度，對Y′運用分解算法進行小波分解得到小波系數(shù)矩陣，當j≤最大尺度時，從小波系數(shù)矩陣中提取高頻系數(shù)，計算小系數(shù)的方差Ψ后，并根據(jù)[j,log₂Ψ]擬合直線求得斜率k，從而求解出網(wǎng)絡流量的自相似參數(shù)Hurst值H：

H＝(k-1)/2

2)通過分析求得的不同時刻的Hurst變化值ΔH＝H_t-H_t-1，設定門限值T，若ΔH＞T，判定分布式拒絕服務攻擊發(fā)生，保存對應的原始信息數(shù)據(jù)；若ΔH≤T，判定分布式拒絕服務攻擊沒有發(fā)出，去除對應的原始信息數(shù)據(jù)。

其中，所述郵件的收發(fā)對應關系通過獲取郵件的TCP連接方向得到，首先通過解析獲得的網(wǎng)絡數(shù)據(jù)包，得到包括源IP地址、目的IP地址、源端口、目的端口、序列號的信息，并以四元組1：源IP地址，源端口，目的IP地址，目的端口和四元組2：目的IP地址，目的端口，源IP地址，源端口，分別標示TCP連接的兩個方向，然后將網(wǎng)絡數(shù)據(jù)包的應用層數(shù)據(jù)根據(jù)序列號按序寫入與TCP連接方向對應的日志文件中。

其中，所述Table內(nèi)容包括郵件ID、郵件標題、郵件時間、郵件始發(fā)人和郵件附件個數(shù)。

本實施例中，在信息預處理模塊2中設置數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，對原始信息數(shù)據(jù)進行降維、識別和分類處理，從而實現(xiàn)將不同類型的數(shù)據(jù)存儲在云存儲資源池的不同位置中，利于信息分析與展示模塊4對相應數(shù)據(jù)的提取，進一步提高了系統(tǒng)的運行速度，本實施例取值m＝5，系統(tǒng)的運行速度提高了1.8％。

應用場景3：

如圖1所示的一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡100、用戶手機終端200、控制器300、無線收發(fā)器400、物業(yè)管理通知器500、自動報警器600、攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100；所述攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100分別與控制器300相連，控制器300將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器400發(fā)送到云網(wǎng)絡100中，并傳送至用戶手機終端200，同時用戶可以通過用戶手機終端200控制室內(nèi)空調800、電熱水器900和多媒體播放器1100的開關；所述物業(yè)管理通知器500和自動報警器600分別與控制器300相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端200手機通知物業(yè)管理處或最近的派出所。

本發(fā)明實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

優(yōu)選地，所述多媒體播放器1100包括有線電視、數(shù)字家庭影院。

優(yōu)選地，所述物業(yè)管理通知器500和自動報警器600為具有短信發(fā)送功能的GSM模塊，其預先輸入并儲存物業(yè)管理員和最近派出所的號碼，當接收到用戶的命令時，GSM模塊自動向預先輸入的號碼發(fā)送短信通知，短信內(nèi)容包括預先寫入的住址、屋主姓名信息和求助信息，所述求助信息可以為“非法入侵，請求幫助”的字樣。

優(yōu)選地，如圖2所示，還包括安全可視化系統(tǒng)，用于對所述云網(wǎng)絡進行可視化的安全監(jiān)控，其包括依次連接的信息數(shù)據(jù)挖掘模塊1、信息預處理模塊2、信息存儲模塊3和信息分析與展示模塊4；

所述信息數(shù)據(jù)挖掘模塊1，用于通過在局域網(wǎng)絡中抓取網(wǎng)絡數(shù)據(jù)包的方式獲取原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括IP間敏感信息發(fā)送檢測數(shù)據(jù)、郵件檢測日志數(shù)據(jù)和分布式拒絕服務攻擊數(shù)據(jù)三種數(shù)據(jù)類型；

所述信息預處理模塊2，用于對原始信息數(shù)據(jù)進行數(shù)據(jù)降維、識別和分類預處理；

所述信息存儲模塊3，用于將預處理后的信息數(shù)據(jù)存儲到云存儲資源池相應的位置中；

所述信息分析與展示模塊4，用于實現(xiàn)信息的提取、分析和展示，其包括郵件往來關系分析展示子模塊41、日志次數(shù)分布分析展示子模塊42、IP間信息發(fā)送關系分析展示子模塊43、敏感郵件轉發(fā)路徑分析與展示子模塊44和分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，具體為：

(1)郵件往來關系分析展示子模塊41，用于對云存儲資源池中存儲的郵件檢測日志數(shù)據(jù)進行提取、分析、處理，并展示某一指定時間段內(nèi)檢測到的敏感郵件往來關系；所述郵件往來關系分析展示子模塊41通過設計可選擇日期的日歷使用戶能與界面進行交互，用戶可任意選擇要查看的時間段，具體執(zhí)行以下操作：

根據(jù)用戶選擇的時間段，系統(tǒng)對云存儲資源池中的數(shù)據(jù)進行選取，選取到數(shù)據(jù)后以字典的形式對數(shù)據(jù)進行存儲，經(jīng)過對數(shù)據(jù)進行分析處理，根據(jù)敏感郵件的收發(fā)對應關系生成對應的矩陣數(shù)據(jù)模型；隨后，通過和弦圖的形式對所選擇時間段內(nèi)敏感郵件的收發(fā)關系進行可視化展示，各個不同郵箱分布在圓形的周圍，在圓形外側輪廓顯示郵箱地址，如果不同的郵箱之間有著敏感信息的發(fā)送關系，便在兩個郵箱之間做一條帶狀線條，線條粗的一方表示郵件的發(fā)送方，而線條細的一方表示郵件的接收方；

(2)日志次數(shù)分布分析展示子模塊42，用于按照時間段以及檢測到的日志數(shù)量進行分類和統(tǒng)計，并用樹狀圖的形式表現(xiàn)出來，具體為：

(2-1)將接收的日志數(shù)據(jù)集W按照時間段劃分為n個時間子集，即W＝{W1，W2，…，Wj，…，Wn}；

(2-2)人為設定m個日志數(shù)量等級，將每個時間子集Wj劃分m個等級子集，即W1j、W2j、…、Wij、…、Wmj，其中m的取值范圍為[4,8]；

(2-3)以日志數(shù)據(jù)集W為根，Wj為第一層節(jié)點，Wij為第二層節(jié)點構造樹TW；

(2-5)計算樹TW中每個節(jié)點的量值，其中葉子節(jié)點的量值即為該數(shù)據(jù)元素的值，非葉子節(jié)點的量值等于其下層所有子節(jié)點的量值之和，至此日志數(shù)據(jù)集W構造成了一個樹型數(shù)據(jù)結構；

(2-6)將生成的樹型數(shù)據(jù)結構映射為二維平面上的樹狀圖；

(3)IP間信息發(fā)送關系分析展示子模塊43，用于對位于云存儲資源池相應位置的IP間敏感信息發(fā)送檢測數(shù)據(jù)進行提取、分析、統(tǒng)計處理，通過可視化展示形式及界面交互展示一定時間段內(nèi)不同的IP之間的敏感信息發(fā)送關聯(lián)關系；所述IP間信息發(fā)送關系分析展示子模塊43采用時間段選擇機制以及散點布局展示方式，用節(jié)點形式表示實體，線條表示實體之間的聯(lián)系，用節(jié)點的大小來表示IP間信息發(fā)送關聯(lián)關系的強弱程度，根據(jù)鼠標點擊事件有選擇性的進行層次展示；鼠標懸停在節(jié)點上會出現(xiàn)對應實體的詳細信息，所述詳細信息包括ID、發(fā)現(xiàn)時間，鼠標點擊實體便會選擇出與所選擇節(jié)點有關聯(lián)的所有IP，并只顯示該子網(wǎng)絡圖，同時也以文字的形式展示出其發(fā)送信息的對應關系；同時設置有搜索機制，用戶可以輸入某一IP選擇想要查看的IP關聯(lián)信息；

(4)敏感郵件轉發(fā)路徑分析與展示子模塊44，用于通過分析處理統(tǒng)計郵件檢測日志數(shù)據(jù)中的檢測數(shù)據(jù)以及郵件轉發(fā)關系，展示某一特定郵件在不同的郵箱之間被轉發(fā)的路徑，具體為：

首先，用戶在搜索框內(nèi)輸入要搜索的郵件標題或者郵件標題所含的關鍵詞，系統(tǒng)根據(jù)關鍵詞對郵件記錄數(shù)據(jù)中所有的郵件標題進行模糊匹配檢索，若沒有檢索到與用戶輸入相匹配的郵件，則發(fā)送信息提醒用戶重新輸入；如果成功檢索到相關記錄，便將檢索結果以Table內(nèi)容的形式展示給用戶，同時為每個郵件的標題添加Click事件，用戶點擊目標郵件的標題，后臺根據(jù)用戶所選郵件再次對郵件記錄進行檢索匹配，找到該郵件的轉發(fā)記錄，并對每次轉發(fā)的收發(fā)件人以字典的形式進行統(tǒng)計記錄，構造可視化展示所需要的數(shù)據(jù)；最后，以一個層疊樹狀圖的形式展示郵件的轉發(fā)路徑呈現(xiàn)給用戶并提供交互功能，如果某郵箱為最后一級接收者，則樹形圖的頂點為空心顯示，如果該郵箱還將此郵件轉發(fā)給了另外的一個或者幾個郵箱，則代表該郵箱的樹形圖節(jié)點設為實心的；

(5)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，用于提取、分析并展示分布式拒絕服務攻擊數(shù)據(jù)，具體為：

1)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45從云存儲資源池的相應位置中提取分布式拒絕服務攻擊數(shù)據(jù)，采用哈希表進行存儲，哈希表中關鍵字采用字符串形式，字符串由源IP、端口號以及根據(jù)用戶設定的時間間隔所選取的時間簽三項組成，這三項中任意一項新建元素出現(xiàn)不同時都要把新建元素插入到哈希表中，每一個元素在將來的圖形化表示中都是一個節(jié)點，表示和被連接主機之間的關系，哈希表中關鍵字對應的值表示該次連接通信活動中的數(shù)據(jù)總量；

2)計算所有節(jié)點的坐標值，進而將帶有坐標信息的點進行繪制，并根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，其中繪制時遵循的原則為：主機節(jié)點和中心節(jié)點之間的連線表示在時間間隔內(nèi)通信數(shù)據(jù)量的大小，按照一定系數(shù)進行映射，通信數(shù)據(jù)量用不同顏色表示，顏色為紅色的表示通信數(shù)據(jù)量較大；主機節(jié)點由若干同心圓組成，顏色的對比強烈程度代表著該連接中涉及的端口數(shù)量。

本實施例中，利用可視化的技術，針對于網(wǎng)絡安全檢測系統(tǒng)中捕獲到的網(wǎng)絡中敏感信息類型以及傳輸情況等進行可視化的展示，從五個不同的角度對網(wǎng)絡安全檢測數(shù)據(jù)進行分析及展示，精確、全方位且方便管理人員做出相應的判斷及決策；設置的分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45能夠對分布式拒絕服務攻擊模式進行多維度顯示，且根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，提高了用戶交互的性能。

優(yōu)選地，所述信息預處理模塊2包括數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，具體為：

(1)數(shù)據(jù)降維單元21，用于采用改進的主成分分析法消除原始信息數(shù)據(jù)間的的冗余，降低原始信息數(shù)據(jù)的維數(shù)，所述改進的主成分分析法為：

1)提起要分析的N條原始信息數(shù)據(jù)，作為矩陣X＝[x₁,x₂,…,x_N]，其中x_i為第i條原始信息數(shù)據(jù)；

2)求解N條原始信息數(shù)據(jù)的平均值：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i$

3)求解N條原始信息數(shù)據(jù)的協(xié)方差矩陣A：

$A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(x_i-\stackrel{\‾}{x}){(x_i-\stackrel{\‾}{x})}^T$

4)根據(jù)協(xié)方差矩陣A的特征值問題計算主成分元素：

Aδ_i＝μ_iδ_i

其中μ_i，δ_i分別為A的特征值及對應的特征向量；

5)根據(jù)給定的精度ρ，通過數(shù)值計算方法，求解前M個最大特征值：

$\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\μ}}_i/\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\≥\mathrm{\ρ}$

其中，M的取值范圍為取m＝6，

6)取前M個最大特征值及對應的特征向量，令

Φ＝[δ₁,δ₂,…,δ_M]，Γ＝diag(μ₁,μ₂,…,μ_M)

則有AΦ＝ΦΓ；

7)計算低維向量組成的新矩陣Y＝Φ^TX；

(2)數(shù)據(jù)識別單元22，用于對降低維數(shù)后的原始信息數(shù)據(jù)進行識別檢測，去除不相關的信息數(shù)據(jù)，得到相關信息數(shù)據(jù)；

(3)數(shù)據(jù)分類單元23，用于對相關信息數(shù)據(jù)按照數(shù)據(jù)類型進行分類。

其中，所述數(shù)據(jù)識別單元22包括對分布式拒絕服務攻擊數(shù)據(jù)進行識別，具體為：

1)設降維后的K條原始信息數(shù)據(jù)矩陣為Y′＝Φ^TX′，其中X′＝[x₁,x₂,…,x_K]，x_j∈X′，選擇Db3小波作為分析小波，并選擇最大分解尺度，對Y′運用分解算法進行小波分解得到小波系數(shù)矩陣，當j≤最大尺度時，從小波系數(shù)矩陣中提取高頻系數(shù)，計算小系數(shù)的方差Ψ后，并根據(jù)[j,log₂Ψ]擬合直線求得斜率k，從而求解出網(wǎng)絡流量的自相似參數(shù)Hurst值H：

H＝(k-1)/2

2)通過分析求得的不同時刻的Hurst變化值ΔH＝H_t-H_t-1，設定門限值T，若ΔH＞T，判定分布式拒絕服務攻擊發(fā)生，保存對應的原始信息數(shù)據(jù)；若ΔH≤T，判定分布式拒絕服務攻擊沒有發(fā)出，去除對應的原始信息數(shù)據(jù)。

其中，所述郵件的收發(fā)對應關系通過獲取郵件的TCP連接方向得到，首先通過解析獲得的網(wǎng)絡數(shù)據(jù)包，得到包括源IP地址、目的IP地址、源端口、目的端口、序列號的信息，并以四元組1：源IP地址，源端口，目的IP地址，目的端口和四元組2：目的IP地址，目的端口，源IP地址，源端口，分別標示TCP連接的兩個方向，然后將網(wǎng)絡數(shù)據(jù)包的應用層數(shù)據(jù)根據(jù)序列號按序寫入與TCP連接方向對應的日志文件中。

其中，所述Table內(nèi)容包括郵件ID、郵件標題、郵件時間、郵件始發(fā)人和郵件附件個數(shù)。

本實施例中，在信息預處理模塊2中設置數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，對原始信息數(shù)據(jù)進行降維、識別和分類處理，從而實現(xiàn)將不同類型的數(shù)據(jù)存儲在云存儲資源池的不同位置中，利于信息分析與展示模塊4對相應數(shù)據(jù)的提取，進一步提高了系統(tǒng)的運行速度，本實施例取值m＝2，系統(tǒng)的運行速度提高了1.6％。

應用場景4：

如圖1所示的一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡100、用戶手機終端200、控制器300、無線收發(fā)器400、物業(yè)管理通知器500、自動報警器600、攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100；所述攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100分別與控制器300相連，控制器300將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器400發(fā)送到云網(wǎng)絡100中，并傳送至用戶手機終端200，同時用戶可以通過用戶手機終端200控制室內(nèi)空調800、電熱水器900和多媒體播放器1100的開關；所述物業(yè)管理通知器500和自動報警器600分別與控制器300相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端200手機通知物業(yè)管理處或最近的派出所。

本發(fā)明實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

優(yōu)選地，所述多媒體播放器1100包括有線電視、數(shù)字家庭影院。

優(yōu)選地，所述物業(yè)管理通知器500和自動報警器600為具有短信發(fā)送功能的GSM模塊，其預先輸入并儲存物業(yè)管理員和最近派出所的號碼，當接收到用戶的命令時，GSM模塊自動向預先輸入的號碼發(fā)送短信通知，短信內(nèi)容包括預先寫入的住址、屋主姓名信息和求助信息，所述求助信息可以為“非法入侵，請求幫助”的字樣。

優(yōu)選地，如圖2所示，還包括安全可視化系統(tǒng)，用于對所述云網(wǎng)絡進行可視化的安全監(jiān)控，其包括依次連接的信息數(shù)據(jù)挖掘模塊1、信息預處理模塊2、信息存儲模塊3和信息分析與展示模塊4；

所述信息數(shù)據(jù)挖掘模塊1，用于通過在局域網(wǎng)絡中抓取網(wǎng)絡數(shù)據(jù)包的方式獲取原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括IP間敏感信息發(fā)送檢測數(shù)據(jù)、郵件檢測日志數(shù)據(jù)和分布式拒絕服務攻擊數(shù)據(jù)三種數(shù)據(jù)類型；

所述信息預處理模塊2，用于對原始信息數(shù)據(jù)進行數(shù)據(jù)降維、識別和分類預處理；

所述信息存儲模塊3，用于將預處理后的信息數(shù)據(jù)存儲到云存儲資源池相應的位置中；

所述信息分析與展示模塊4，用于實現(xiàn)信息的提取、分析和展示，其包括郵件往來關系分析展示子模塊41、日志次數(shù)分布分析展示子模塊42、IP間信息發(fā)送關系分析展示子模塊43、敏感郵件轉發(fā)路徑分析與展示子模塊44和分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，具體為：

(1)郵件往來關系分析展示子模塊41，用于對云存儲資源池中存儲的郵件檢測日志數(shù)據(jù)進行提取、分析、處理，并展示某一指定時間段內(nèi)檢測到的敏感郵件往來關系；所述郵件往來關系分析展示子模塊41通過設計可選擇日期的日歷使用戶能與界面進行交互，用戶可任意選擇要查看的時間段，具體執(zhí)行以下操作：

根據(jù)用戶選擇的時間段，系統(tǒng)對云存儲資源池中的數(shù)據(jù)進行選取，選取到數(shù)據(jù)后以字典的形式對數(shù)據(jù)進行存儲，經(jīng)過對數(shù)據(jù)進行分析處理，根據(jù)敏感郵件的收發(fā)對應關系生成對應的矩陣數(shù)據(jù)模型；隨后，通過和弦圖的形式對所選擇時間段內(nèi)敏感郵件的收發(fā)關系進行可視化展示，各個不同郵箱分布在圓形的周圍，在圓形外側輪廓顯示郵箱地址，如果不同的郵箱之間有著敏感信息的發(fā)送關系，便在兩個郵箱之間做一條帶狀線條，線條粗的一方表示郵件的發(fā)送方，而線條細的一方表示郵件的接收方；

(2)日志次數(shù)分布分析展示子模塊42，用于按照時間段以及檢測到的日志數(shù)量進行分類和統(tǒng)計，并用樹狀圖的形式表現(xiàn)出來，具體為：

(2-1)將接收的日志數(shù)據(jù)集W按照時間段劃分為n個時間子集，即W＝{W1，W2，…，Wj，…，Wn}；

(2-2)人為設定m個日志數(shù)量等級，將每個時間子集Wj劃分m個等級子集，即W1j、W2j、…、Wij、…、Wmj，其中m的取值范圍為[4,8]；

(2-3)以日志數(shù)據(jù)集W為根，Wj為第一層節(jié)點，Wij為第二層節(jié)點構造樹TW；

(2-5)計算樹TW中每個節(jié)點的量值，其中葉子節(jié)點的量值即為該數(shù)據(jù)元素的值，非葉子節(jié)點的量值等于其下層所有子節(jié)點的量值之和，至此日志數(shù)據(jù)集W構造成了一個樹型數(shù)據(jù)結構；

(2-6)將生成的樹型數(shù)據(jù)結構映射為二維平面上的樹狀圖；

(3)IP間信息發(fā)送關系分析展示子模塊43，用于對位于云存儲資源池相應位置的IP間敏感信息發(fā)送檢測數(shù)據(jù)進行提取、分析、統(tǒng)計處理，通過可視化展示形式及界面交互展示一定時間段內(nèi)不同的IP之間的敏感信息發(fā)送關聯(lián)關系；所述IP間信息發(fā)送關系分析展示子模塊43采用時間段選擇機制以及散點布局展示方式，用節(jié)點形式表示實體，線條表示實體之間的聯(lián)系，用節(jié)點的大小來表示IP間信息發(fā)送關聯(lián)關系的強弱程度，根據(jù)鼠標點擊事件有選擇性的進行層次展示；鼠標懸停在節(jié)點上會出現(xiàn)對應實體的詳細信息，所述詳細信息包括ID、發(fā)現(xiàn)時間，鼠標點擊實體便會選擇出與所選擇節(jié)點有關聯(lián)的所有IP，并只顯示該子網(wǎng)絡圖，同時也以文字的形式展示出其發(fā)送信息的對應關系；同時設置有搜索機制，用戶可以輸入某一IP選擇想要查看的IP關聯(lián)信息；

(4)敏感郵件轉發(fā)路徑分析與展示子模塊44，用于通過分析處理統(tǒng)計郵件檢測日志數(shù)據(jù)中的檢測數(shù)據(jù)以及郵件轉發(fā)關系，展示某一特定郵件在不同的郵箱之間被轉發(fā)的路徑，具體為：

首先，用戶在搜索框內(nèi)輸入要搜索的郵件標題或者郵件標題所含的關鍵詞，系統(tǒng)根據(jù)關鍵詞對郵件記錄數(shù)據(jù)中所有的郵件標題進行模糊匹配檢索，若沒有檢索到與用戶輸入相匹配的郵件，則發(fā)送信息提醒用戶重新輸入；如果成功檢索到相關記錄，便將檢索結果以Table內(nèi)容的形式展示給用戶，同時為每個郵件的標題添加Click事件，用戶點擊目標郵件的標題，后臺根據(jù)用戶所選郵件再次對郵件記錄進行檢索匹配，找到該郵件的轉發(fā)記錄，并對每次轉發(fā)的收發(fā)件人以字典的形式進行統(tǒng)計記錄，構造可視化展示所需要的數(shù)據(jù)；最后，以一個層疊樹狀圖的形式展示郵件的轉發(fā)路徑呈現(xiàn)給用戶并提供交互功能，如果某郵箱為最后一級接收者，則樹形圖的頂點為空心顯示，如果該郵箱還將此郵件轉發(fā)給了另外的一個或者幾個郵箱，則代表該郵箱的樹形圖節(jié)點設為實心的；

(5)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，用于提取、分析并展示分布式拒絕服務攻擊數(shù)據(jù)，具體為：

1)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45從云存儲資源池的相應位置中提取分布式拒絕服務攻擊數(shù)據(jù)，采用哈希表進行存儲，哈希表中關鍵字采用字符串形式，字符串由源IP、端口號以及根據(jù)用戶設定的時間間隔所選取的時間簽三項組成，這三項中任意一項新建元素出現(xiàn)不同時都要把新建元素插入到哈希表中，每一個元素在將來的圖形化表示中都是一個節(jié)點，表示和被連接主機之間的關系，哈希表中關鍵字對應的值表示該次連接通信活動中的數(shù)據(jù)總量；

2)計算所有節(jié)點的坐標值，進而將帶有坐標信息的點進行繪制，并根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，其中繪制時遵循的原則為：主機節(jié)點和中心節(jié)點之間的連線表示在時間間隔內(nèi)通信數(shù)據(jù)量的大小，按照一定系數(shù)進行映射，通信數(shù)據(jù)量用不同顏色表示，顏色為紅色的表示通信數(shù)據(jù)量較大；主機節(jié)點由若干同心圓組成，顏色的對比強烈程度代表著該連接中涉及的端口數(shù)量。

本實施例中，利用可視化的技術，針對于網(wǎng)絡安全檢測系統(tǒng)中捕獲到的網(wǎng)絡中敏感信息類型以及傳輸情況等進行可視化的展示，從五個不同的角度對網(wǎng)絡安全檢測數(shù)據(jù)進行分析及展示，精確、全方位且方便管理人員做出相應的判斷及決策；設置的分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45能夠對分布式拒絕服務攻擊模式進行多維度顯示，且根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，提高了用戶交互的性能。

優(yōu)選地，所述信息預處理模塊2包括數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，具體為：

(1)數(shù)據(jù)降維單元21，用于采用改進的主成分分析法消除原始信息數(shù)據(jù)間的的冗余，降低原始信息數(shù)據(jù)的維數(shù)，所述改進的主成分分析法為：

1)提起要分析的N條原始信息數(shù)據(jù)，作為矩陣X＝[x₁，x₂,…,x_N]，其中x_i為第i條原始信息數(shù)據(jù)；

2)求解N條原始信息數(shù)據(jù)的平均值：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i$

3)求解N條原始信息數(shù)據(jù)的協(xié)方差矩陣A：

$A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(x_i-\stackrel{\‾}{x}){(x_i-\stackrel{\‾}{x})}^T$

4)根據(jù)協(xié)方差矩陣A的特征值問題計算主成分元素：

Aδ_i＝μ_iδ_i

其中μ_i，δ_i分別為A的特征值及對應的特征向量；

5)根據(jù)給定的精度ρ，通過數(shù)值計算方法，求解前M個最大特征值：

$\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\μ}}_i/\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\≥\mathrm{\ρ}$

其中，M的取值范圍為取m＝7，

6)取前M個最大特征值及對應的特征向量，令

Φ＝[δ₁,δ₂,…,δ_M]，Γ＝diag(μ₁,μ₂,…,μ_M)

則有AΦ＝ΦΓ；

7)計算低維向量組成的新矩陣Y＝Φ^TX；

(2)數(shù)據(jù)識別單元22，用于對降低維數(shù)后的原始信息數(shù)據(jù)進行識別檢測，去除不相關的信息數(shù)據(jù)，得到相關信息數(shù)據(jù)；

(3)數(shù)據(jù)分類單元23，用于對相關信息數(shù)據(jù)按照數(shù)據(jù)類型進行分類。

其中，所述數(shù)據(jù)識別單元22包括對分布式拒絕服務攻擊數(shù)據(jù)進行識別，具體為：

1)設降維后的K條原始信息數(shù)據(jù)矩陣為Y′＝Φ^TX′，其中X′＝[x₁,x₂,…,x_K]，x_j∈X′，選擇Db3小波作為分析小波，并選擇最大分解尺度，對Y′運用分解算法進行小波分解得到小波系數(shù)矩陣，當j≤最大尺度時，從小波系數(shù)矩陣中提取高頻系數(shù)，計算小系數(shù)的方差Ψ后，并根據(jù)[j,log₂Ψ]擬合直線求得斜率k，從而求解出網(wǎng)絡流量的自相似參數(shù)Hurst值H：

H＝(k-1)/2

2)通過分析求得的不同時刻的Hurst變化值ΔH＝H_t-H_t-1，設定門限值T，若ΔH＞T，判定分布式拒絕服務攻擊發(fā)生，保存對應的原始信息數(shù)據(jù)；若ΔH≤T，判定分布式拒絕服務攻擊沒有發(fā)出，去除對應的原始信息數(shù)據(jù)。

其中，所述郵件的收發(fā)對應關系通過獲取郵件的TCP連接方向得到，首先通過解析獲得的網(wǎng)絡數(shù)據(jù)包，得到包括源IP地址、目的IP地址、源端口、目的端口、序列號的信息，并以四元組1：源IP地址，源端口，目的IP地址，目的端口和四元組2：目的IP地址，目的端口，源IP地址，源端口，分別標示TCP連接的兩個方向，然后將網(wǎng)絡數(shù)據(jù)包的應用層數(shù)據(jù)根據(jù)序列號按序寫入與TCP連接方向對應的日志文件中。

其中，所述Table內(nèi)容包括郵件ID、郵件標題、郵件時間、郵件始發(fā)人和郵件附件個數(shù)。

本實施例中，在信息預處理模塊2中設置數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，對原始信息數(shù)據(jù)進行降維、識別和分類處理，從而實現(xiàn)將不同類型的數(shù)據(jù)存儲在云存儲資源池的不同位置中，利于信息分析與展示模塊4對相應數(shù)據(jù)的提取，進一步提高了系統(tǒng)的運行速度，本實施例取值m＝7，系統(tǒng)的運行速度提高了1.5％。

應用場景5：

如圖1所示的一種基于云安全的智能家具系統(tǒng)，包括云網(wǎng)絡100、用戶手機終端200、控制器300、無線收發(fā)器400、物業(yè)管理通知器500、自動報警器600、攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100；所述攝像裝置700、室內(nèi)空調800、電熱水器900、電子防盜鎖1000和多媒體播放器1100分別與控制器300相連，控制器300將檢測到的圖像和家具狀態(tài)信息通過無線收發(fā)器400發(fā)送到云網(wǎng)絡100中，并傳送至用戶手機終端200，同時用戶可以通過用戶手機終端200控制室內(nèi)空調800、電熱水器900和多媒體播放器1100的開關；所述物業(yè)管理通知器500和自動報警器600分別與控制器300相連，當用戶發(fā)現(xiàn)非法入侵時，可以通過用戶手機終端200手機通知物業(yè)管理處或最近的派出所。

本發(fā)明實現(xiàn)了智能家具的遠程監(jiān)測和控制，且信息安全度高，通過物業(yè)管理通知器和自動報警器能實現(xiàn)用戶遠程一鍵報警，自動向相關人員發(fā)送短信，不再擔心忘記或者不知道相關人員號碼而錯過最佳求助時機。

優(yōu)選地，所述多媒體播放器1100包括有線電視、數(shù)字家庭影院。

優(yōu)選地，所述物業(yè)管理通知器500和自動報警器600為具有短信發(fā)送功能的GSM模塊，其預先輸入并儲存物業(yè)管理員和最近派出所的號碼，當接收到用戶的命令時，GSM模塊自動向預先輸入的號碼發(fā)送短信通知，短信內(nèi)容包括預先寫入的住址、屋主姓名信息和求助信息，所述求助信息可以為“非法入侵，請求幫助”的字樣。

優(yōu)選地，如圖2所示，還包括安全可視化系統(tǒng)，用于對所述云網(wǎng)絡進行可視化的安全監(jiān)控，其包括依次連接的信息數(shù)據(jù)挖掘模塊1、信息預處理模塊2、信息存儲模塊3和信息分析與展示模塊4；

所述信息數(shù)據(jù)挖掘模塊1，用于通過在局域網(wǎng)絡中抓取網(wǎng)絡數(shù)據(jù)包的方式獲取原始信息數(shù)據(jù)，所述原始信息數(shù)據(jù)包括IP間敏感信息發(fā)送檢測數(shù)據(jù)、郵件檢測日志數(shù)據(jù)和分布式拒絕服務攻擊數(shù)據(jù)三種數(shù)據(jù)類型；

所述信息預處理模塊2，用于對原始信息數(shù)據(jù)進行數(shù)據(jù)降維、識別和分類預處理；

所述信息存儲模塊3，用于將預處理后的信息數(shù)據(jù)存儲到云存儲資源池相應的位置中；

所述信息分析與展示模塊4，用于實現(xiàn)信息的提取、分析和展示，其包括郵件往來關系分析展示子模塊41、日志次數(shù)分布分析展示子模塊42、IP間信息發(fā)送關系分析展示子模塊43、敏感郵件轉發(fā)路徑分析與展示子模塊44和分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，具體為：

(1)郵件往來關系分析展示子模塊41，用于對云存儲資源池中存儲的郵件檢測日志數(shù)據(jù)進行提取、分析、處理，并展示某一指定時間段內(nèi)檢測到的敏感郵件往來關系；所述郵件往來關系分析展示子模塊41通過設計可選擇日期的日歷使用戶能與界面進行交互，用戶可任意選擇要查看的時間段，具體執(zhí)行以下操作：

根據(jù)用戶選擇的時間段，系統(tǒng)對云存儲資源池中的數(shù)據(jù)進行選取，選取到數(shù)據(jù)后以字典的形式對數(shù)據(jù)進行存儲，經(jīng)過對數(shù)據(jù)進行分析處理，根據(jù)敏感郵件的收發(fā)對應關系生成對應的矩陣數(shù)據(jù)模型；隨后，通過和弦圖的形式對所選擇時間段內(nèi)敏感郵件的收發(fā)關系進行可視化展示，各個不同郵箱分布在圓形的周圍，在圓形外側輪廓顯示郵箱地址，如果不同的郵箱之間有著敏感信息的發(fā)送關系，便在兩個郵箱之間做一條帶狀線條，線條粗的一方表示郵件的發(fā)送方，而線條細的一方表示郵件的接收方；

(2)日志次數(shù)分布分析展示子模塊42，用于按照時間段以及檢測到的日志數(shù)量進行分類和統(tǒng)計，并用樹狀圖的形式表現(xiàn)出來，具體為：

(2-1)將接收的日志數(shù)據(jù)集W按照時間段劃分為n個時間子集，即W＝{W1，W2，…，Wj，…，Wn}；

(2-2)人為設定m個日志數(shù)量等級，將每個時間子集Wj劃分m個等級子集，即W1j、W2j、…、Wij、…、Wmj，其中m的取值范圍為[4,8]；

(2-3)以日志數(shù)據(jù)集W為根，Wj為第一層節(jié)點，Wij為第二層節(jié)點構造樹TW；

(2-5)計算樹TW中每個節(jié)點的量值，其中葉子節(jié)點的量值即為該數(shù)據(jù)元素的值，非葉子節(jié)點的量值等于其下層所有子節(jié)點的量值之和，至此日志數(shù)據(jù)集W構造成了一個樹型數(shù)據(jù)結構；

(2-6)將生成的樹型數(shù)據(jù)結構映射為二維平面上的樹狀圖；

(3)IP間信息發(fā)送關系分析展示子模塊43，用于對位于云存儲資源池相應位置的IP間敏感信息發(fā)送檢測數(shù)據(jù)進行提取、分析、統(tǒng)計處理，通過可視化展示形式及界面交互展示一定時間段內(nèi)不同的IP之間的敏感信息發(fā)送關聯(lián)關系；所述IP間信息發(fā)送關系分析展示子模塊43采用時間段選擇機制以及散點布局展示方式，用節(jié)點形式表示實體，線條表示實體之間的聯(lián)系，用節(jié)點的大小來表示IP間信息發(fā)送關聯(lián)關系的強弱程度，根據(jù)鼠標點擊事件有選擇性的進行層次展示；鼠標懸停在節(jié)點上會出現(xiàn)對應實體的詳細信息，所述詳細信息包括ID、發(fā)現(xiàn)時間，鼠標點擊實體便會選擇出與所選擇節(jié)點有關聯(lián)的所有IP，并只顯示該子網(wǎng)絡圖，同時也以文字的形式展示出其發(fā)送信息的對應關系；同時設置有搜索機制，用戶可以輸入某一IP選擇想要查看的IP關聯(lián)信息；

(4)敏感郵件轉發(fā)路徑分析與展示子模塊44，用于通過分析處理統(tǒng)計郵件檢測日志數(shù)據(jù)中的檢測數(shù)據(jù)以及郵件轉發(fā)關系，展示某一特定郵件在不同的郵箱之間被轉發(fā)的路徑，具體為：

首先，用戶在搜索框內(nèi)輸入要搜索的郵件標題或者郵件標題所含的關鍵詞，系統(tǒng)根據(jù)關鍵詞對郵件記錄數(shù)據(jù)中所有的郵件標題進行模糊匹配檢索，若沒有檢索到與用戶輸入相匹配的郵件，則發(fā)送信息提醒用戶重新輸入；如果成功檢索到相關記錄，便將檢索結果以Table內(nèi)容的形式展示給用戶，同時為每個郵件的標題添加Click事件，用戶點擊目標郵件的標題，后臺根據(jù)用戶所選郵件再次對郵件記錄進行檢索匹配，找到該郵件的轉發(fā)記錄，并對每次轉發(fā)的收發(fā)件人以字典的形式進行統(tǒng)計記錄，構造可視化展示所需要的數(shù)據(jù)；最后，以一個層疊樹狀圖的形式展示郵件的轉發(fā)路徑呈現(xiàn)給用戶并提供交互功能，如果某郵箱為最后一級接收者，則樹形圖的頂點為空心顯示，如果該郵箱還將此郵件轉發(fā)給了另外的一個或者幾個郵箱，則代表該郵箱的樹形圖節(jié)點設為實心的；

(5)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45，用于提取、分析并展示分布式拒絕服務攻擊數(shù)據(jù)，具體為：

1)分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45從云存儲資源池的相應位置中提取分布式拒絕服務攻擊數(shù)據(jù)，采用哈希表進行存儲，哈希表中關鍵字采用字符串形式，字符串由源IP、端口號以及根據(jù)用戶設定的時間間隔所選取的時間簽三項組成，這三項中任意一項新建元素出現(xiàn)不同時都要把新建元素插入到哈希表中，每一個元素在將來的圖形化表示中都是一個節(jié)點，表示和被連接主機之間的關系，哈希表中關鍵字對應的值表示該次連接通信活動中的數(shù)據(jù)總量；

2)計算所有節(jié)點的坐標值，進而將帶有坐標信息的點進行繪制，并根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，其中繪制時遵循的原則為：主機節(jié)點和中心節(jié)點之間的連線表示在時間間隔內(nèi)通信數(shù)據(jù)量的大小，按照一定系數(shù)進行映射，通信數(shù)據(jù)量用不同顏色表示，顏色為紅色的表示通信數(shù)據(jù)量較大；主機節(jié)點由若干同心圓組成，顏色的對比強烈程度代表著該連接中涉及的端口數(shù)量。

本實施例中，利用可視化的技術，針對于網(wǎng)絡安全檢測系統(tǒng)中捕獲到的網(wǎng)絡中敏感信息類型以及傳輸情況等進行可視化的展示，從五個不同的角度對網(wǎng)絡安全檢測數(shù)據(jù)進行分析及展示，精確、全方位且方便管理人員做出相應的判斷及決策；設置的分布式拒絕服務攻擊數(shù)據(jù)分析與展示子模塊45能夠對分布式拒絕服務攻擊模式進行多維度顯示，且根據(jù)不同需求進行時間間隔、圖形顯示的單位半徑參數(shù)的調整，提高了用戶交互的性能。

優(yōu)選地，所述信息預處理模塊2包括數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，具體為：

(1)數(shù)據(jù)降維單元21，用于采用改進的主成分分析法消除原始信息數(shù)據(jù)間的的冗余，降低原始信息數(shù)據(jù)的維數(shù)，所述改進的主成分分析法為：

1)提起要分析的N條原始信息數(shù)據(jù)，作為矩陣X＝[x₁,x₂,…,x_N]，其中x_i為第i條原始信息數(shù)據(jù)；

2)求解N條原始信息數(shù)據(jù)的平均值：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i$

3)求解N條原始信息數(shù)據(jù)的協(xié)方差矩陣A：

$A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(x_i-\stackrel{\‾}{x}){(x_i-\stackrel{\‾}{x})}^T$

4)根據(jù)協(xié)方差矩陣A的特征值問題計算主成分元素：

Aδ_i＝μ_iδ_i

其中μ_i，δ_i分別為A的特征值及對應的特征向量；

5)根據(jù)給定的精度ρ，通過數(shù)值計算方法，求解前M個最大特征值：

$\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\μ}}_i/\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\≥\mathrm{\ρ}$

其中，M的取值范圍為取m＝8，

6)取前M個最大特征值及對應的特征向量，令

Φ＝[δ₁,δ₂,…,δ_M]，Γ＝diag(μ₁,μ₂,…,μ_M)

則有AΦ＝ΦΓ；

7)計算低維向量組成的新矩陣Y＝Φ^TX；

(2)數(shù)據(jù)識別單元22，用于對降低維數(shù)后的原始信息數(shù)據(jù)進行識別檢測，去除不相關的信息數(shù)據(jù)，得到相關信息數(shù)據(jù)；

(3)數(shù)據(jù)分類單元23，用于對相關信息數(shù)據(jù)按照數(shù)據(jù)類型進行分類。

其中，所述數(shù)據(jù)識別單元22包括對分布式拒絕服務攻擊數(shù)據(jù)進行識別，具體為：

1)設降維后的K條原始信息數(shù)據(jù)矩陣為Y′＝Φ^TX′，其中X′＝[x₁,x₂,…,x_K]，x_j∈X′，選擇Db3小波作為分析小波，并選擇最大分解尺度，對Y′運用分解算法進行小波分解得到小波系數(shù)矩陣，當j≤最大尺度時，從小波系數(shù)矩陣中提取高頻系數(shù)，計算小系數(shù)的方差Ψ后，并根據(jù)[j,log₂Ψ]擬合直線求得斜率k，從而求解出網(wǎng)絡流量的自相似參數(shù)Hurst值H：

H＝(k-1)/2

2)通過分析求得的不同時刻的Hurst變化值ΔH＝H_t-H_t-1，設定門限值T，若ΔH＞T，判定分布式拒絕服務攻擊發(fā)生，保存對應的原始信息數(shù)據(jù)；若ΔH≤T，判定分布式拒絕服務攻擊沒有發(fā)出，去除對應的原始信息數(shù)據(jù)。

其中，所述郵件的收發(fā)對應關系通過獲取郵件的TCP連接方向得到，首先通過解析獲得的網(wǎng)絡數(shù)據(jù)包，得到包括源IP地址、目的IP地址、源端口、目的端口、序列號的信息，并以四元組1：源IP地址，源端口，目的IP地址，目的端口和四元組2：目的IP地址，目的端口，源IP地址，源端口，分別標示TCP連接的兩個方向，然后將網(wǎng)絡數(shù)據(jù)包的應用層數(shù)據(jù)根據(jù)序列號按序寫入與TCP連接方向對應的日志文件中。

其中，所述Table內(nèi)容包括郵件ID、郵件標題、郵件時間、郵件始發(fā)人和郵件附件個數(shù)。

本實施例中，在信息預處理模塊2中設置數(shù)據(jù)降維單元21、數(shù)據(jù)識別單元22和數(shù)據(jù)分類單元23，對原始信息數(shù)據(jù)進行降維、識別和分類處理，從而實現(xiàn)將不同類型的數(shù)據(jù)存儲在云存儲資源池的不同位置中，利于信息分析與展示模塊4對相應數(shù)據(jù)的提取，進一步提高了系統(tǒng)的運行速度，本實施例取值m＝8，系統(tǒng)的運行速度提高了1.4％。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。