计算机的网络的分类范例(3篇)
计算机的网络的分类范文篇1
摘要：在云计算环境下，传统方法采用终端网络监测方法进行网络安全估计，由于网络通信信道终端功率衰减性强，导致安全态势估计精度不高，检测性能不好。提出一种基于自适应数据分类和病毒感染隶属度特征提取的云计算环境下网络安全估计及态势预测算法。构建云计算环境下的网络安全估计模型，采用自适应数据分类算法对网络攻击信息数据进行聚类评估，提取网络攻击病毒数据的感染隶属度特征，实现网络安全态势预测和病毒攻击检测。仿真实验表明，该算法对病毒数据流预测精度较高，实现不同场景下的网络病毒流预测和数据检测，提高了云计算环境下网络抵御病毒攻击的能力。
关键词：网络安全；云计算；态势预测；病毒
中图分类号：TN957.52?34文献标识码：A文章编号：1004?373X（2015）20?0015?05
Scenariosimulationofnetworksecurityestimationmodelincloudcomputingenvironment
CHENLiangwei
（DepartmentofComputerEngineering，ChengduAeronauticPolytechnic，Chengdu610100，China）Abstract：Inthecloudcomputingenvironment，thetraditionalmethod，whichtakestheterminalnetworkmonitoringmethodtoestimatethenetworksecurity，haslowestimatedaccuracyforsecuritysituationandpoordetectionperformanceduetothehighpowerattenuationofnetworkcommunicationchannelterminal.Asecurityestimationandtrendpredictionalgorithmbasedonadaptivedataclassificationandmembershipfeatureextractionofvirusinfectionincloudcomputingenvironmentisproposed.Thenetworksecurityestimationmodelbasedoncloudcomputingenvironmentisestablished，theadaptivedataclassificational?gorithmisadoptedtocarryoutclusteringevaluationfornetworkattacksdata，andtheinfectionmembershipfeatureofvirusat?tacksdataisextractedtorealizethenetworksecuritysituationalpredictionandvirusattackdetection.Thesimulationtestresultsshowthatthealgorithmhashighvirusdataflowpredictionaccuracy，canrealizenetworkvirusflowpredictionanddatadetec?tionindifferentscenarios，andimprovetheabilityofresistingthevirusattacksincloudcomputingenvironment.
Keywords：networksecurity；cloudcomputation；situationprediction；virus
0引言
随着网络信息技术的发展，海量数据在网络中通过云计算进行处理。云计算是基于互联网进行数据交互和通信的海量数据处理方法。云计算具有强大的计算能力和数据存储能力，通常涉及通过互联网来提供动态易扩展的资源和存储空间。在云计算环境下，由于数据在宽频带信道内进行快速聚簇和传输通信，容易受到网络病毒的攻击，威胁到网络安全。如今，云计算环境下的网络安全成为网络应用研究的热点课题。为了提高云计算环境下网络系统的安全性和稳定性，需要对云计算环境下网络的攻击和入侵信号进行准确的检测，对云计算环境下网络威胁态势进行有效预测，提高抗体的检测概率，降低网络攻击检测的虚警概率。在云计算网络数据通信中，通过对云计算环境下网络安全态势预测，提高抵御风险的能力。因此，研究云计算环境下的网络安全估计和危险态势预测模型具有重要意义[1]。
为保证个体用户的信息安全，需要提取网络信息安全特征，进行网络威胁态势预测和安全估计，传统方法中，通过使用防火墙作为第一道网络安全防护系统，进行网络攻击检测和云计算环境下的安全模型估计，在一定程度上可以保证计算机系统的安全，但防火墙在防御高度伪装与隐蔽性极强的隐形文本的数据攻击下，具有一定的局限性[2?3]。对此，相关文献进行了算法改进设计，其中文献[4]提出一种基于多源层次数据结构分析的网络危险态势预测模型，实现网络安全量化评估，但该算法需要进行IDS报警日志记载，在先验数据采集中的误差较大，适应性能不高。文献[5]提出一种基于日志审计动态预测的云计算网络安全态势预测算法，实现对点对点网络攻击的有效检测，但该算法计算复杂，运行开销大。当前对云计算环境下网络安全估计和态势预测采用终端网络监测方法进行网络安全估计，由于网络通信信道终端功率衰减性强，导致安全态势估计精度不高，检测性能不好。文献[6]中以一种解决拥塞的思维解决安全问题，但是，这种安全必须是由拥塞引起的，限制了应用性。文献[7]以能量的思想解决网络安全问题，但是其应用只能是无线传感网络，无法移植到一般网络。
文献[8]在资源分配安全中考虑了反馈的概念，但是这种反馈也只能起到提醒的作用，无法进行病毒的根除。文献[9?10]都是根据节点过滤原理进行病毒检测，但是，节点过少也会降低通信性能，因此应用缺陷明显。针对上述问题，本文提出一种基于自适应数据分类和病毒感染隶属度特征提取的云计算环境下的网络安全估计及态势预测算法。首先构建了云计算环境下的网络安全估计模型，进行网络攻击信号模型构建，采用自适应数据分类算法对网络攻击信息数据进行聚类评估，提取网络攻击病毒数据的感染隶属度特征，实现网络安全态势预测和攻击检测，仿真实验进行了性能验证，展示了本文算法在实现网络安全态势预测和攻击检测中的优越性能，提高了网络抵御病毒攻击的能力，展示了较好的应用价值。
1网络安全估计模型及数据分析
1.1云计算环境下的网络安全估计模型
云计算是将大量网络计算资源进行虚拟化存储和抽象计算网络运算模式，基于云计算的网络安全估计模型如图1所示。
图1基于云计算的网络安全估计总体架构
分析图1可知，大规模的网络物理资源和多源信息在交换机中实现信息交互和数据处理，假设云计算环境下m个终端上的病毒数据流为：
云计算环境下的网络安全估计模型的幅度和频率分别表示为：
式中η表示网络安全频率值。
通过构建在s域和z域上的分数阶傅里叶变换，对网络数据在多通道平台中进行相空间重构，得到重构后的网络病毒数据特征空间矢量为：
式中θ1(k)表示初始状态向量。设有云计算环境下存在M个全方向性攻击的伪随机时频跳变网络谐振病毒数据，P个干扰信号以θ0,θ1,θ2,…,θP的相位进行网络攻击，造成网络安全威胁，则需要进行网络安全态势预测。
1.2云计算环境下的网络攻击信号构建和数据
在上述构建的云计算环境下的网络安全估计模型的基础上，进行网络攻击信号模型构建，假设网络安全估计模型为一个三维连续的典型自治系统，采用三维连续自治系统模拟云计算环境下网络攻击服务器威胁指数和主机威胁指数，得到服务器威胁指数和主机威胁指数分别为：
式中：xk表示网络攻击环境下的病毒数据时间序列采样值；yk表示IDS日志信息；f（·）表示云计算环境下网络攻击的病毒数据时间序列值；h（·）表示云计算环境下网络攻击目录；vk和ek分别表示云计算环境下网络攻击检测受到的干扰项，且xk∈Rnv，yk∈Rne，其中，R表示最大网络威胁阀值范围，n表示网络攻击病毒数，此时网络威胁安全态势指数表示为：
的层次化评估系数求和；Γ（·）表示Sigma函数。采用相空间重构方法对网络采集数据进行重构，得到云计算环境下的网络攻击信号模型为：
式中：s表示网络攻击信号特征；v表示网络攻击信号受到的干扰项；L表示网络病毒攻击模糊入侵特征分为L类；A表示环境干扰系数；j代表干扰信号数量；p(ωn)表示网络威胁安全态势指数。
假设网络病毒攻击模糊入侵特征可以分为L类，入侵特征分为(w1,w2,?,wn)，n为入侵次数。采用粒子滤波独立自相成分分析的思想，设计出一个粒子滤波联合函数，该联合函数式是以时间与频率分联合分布进行考虑的；即把模糊网络入侵信号分段分成一些局部进行分析考察，而不是全局地进行分析判断，对其进行粒子滤波变换，对于2个标量时间序列y1和y2，其联联合概率密函数为f(y1,y2)，最后得到网络攻击信号的系统模型为：
分析上述网络攻击过程可见，网络病毒感染数据在Javascript程序内部经过变量赋值、传递，字符编码和过滤，实现参数进入函数的过程。因此，在该种环境下，应对网络攻击信号进行自适应数据分类，提高云计算环境下的网络攻击信号检测性能。
2特征提取及算法改进实现
2.1自适应病毒数据分类算法
在上述构建的云计算环境下的网络安全估计模型基础上，进行网络攻击信号模型构建。根据上述信号模型，采用自适应数据分类算法对网络攻击信息数据进行聚类评估，对云计算环境下的攻击数据自适应分类这一研究过程中，需要进行网络拓扑设计。拓扑网络的工作原理是用在两个通信设备之间实现的物理连接的一种物理布局，使诸多计算机在不同的地理位置与要使用的不同区域设备用通信线路联系起来，进行数据信息的共享和传递，分享各自的流媒体信息，软硬件信息等。假设输入到网络安全估计模型中的病毒信号为x(t)，则基于式（3）和式（4）中mk和μk的表达式，可得该病毒信号的幅度和频率分布为：
式中：Wx(t,v)表示病毒数据在t,v域内的双线性变换下脉冲响应，其具有实值性，即Wx(t,v)∈R,?t,v。
基于自适应数据分类，以及网络攻击信号的系统模型s(k)，得到云计算环境下网络攻击信号的总能量为：
对云计算环境下的网络服务层和主机层的病毒数据的总能量Ex进行边缘特性分解得到：
构建多路复用器输入/输出的网络病毒感染的向量空间模型，构建病毒感染的模糊关系的隶属度，优化对病毒感染的免疫性设计和数据检测性能，在输入点和输出点得到多频自适应共振采集数据流为：
在云计算环境下，模糊入侵特征的信息流量是由，并采用多频自适应共振检测算法实现云环境下模糊入侵特征的检测。并且根据自相关函数极限分离定理可得，网络病毒数据的自相关变量X由随机独立变量Si，i=1,2,?,N随机组合而成，这些随机分离变量的方差和均值服从于高斯分布，从而实现网络病毒数据的分类。
2.2网络安全威胁态势预测算法实现
在上述进行病毒数据分类的基础上，进行感染隶属度特征提取，以及云计算环境下的网络安全估计及态势预测，根据网络攻击信号的时移不变性和频移不变性，与第2.1节对网络服务层和主机层的病毒数据的总能量进行边缘特性分解，得到方程式（13）以及多频自适应共振采集数据流x(t)，则病毒感染隶属度特征为：
基于上述获取的网络病毒威胁的态势指向性函数，逐步舍弃云计算数据传输信道中的网络攻击的病毒信息历史测量信息，并采用级联滤波实现噪声抑制，可得到网络安全态势分析的时频响应为：
从上述分析获取的网络安全态势分析的时频响应中，可提取网络攻击病毒数据的感染隶属度特征，由此得到自组织态势分析迭代方程为：
式中：B表示零均值病毒数据流；S表示零均值自相关随机病毒数据；Φk信息融合中心形成k个联合特征函数；mk表示网络攻击病毒数据的幅度；θ表示网络病毒数据特征空间矢量；K表示为病毒感染通道属性值；T表示统计时间；a，b，z，r都是变量参数。
根据上述预测结果，通过非高斯函数极限分离特性，可以最大限度对各独立变量进行自相关成分表征，对于动态病毒感染隶属度特征，调用Javascript解析引擎进行网络威胁态势预测，实现病毒攻击的检测。
3仿真实验与结果分析
为了测试本文算法在进行云计算环境下网络安全估计和威胁态势预测性能，进行仿真实验。试验平台为通用PC机，CPU为Intel?CoreTMi7?2600@3.40GHz，实验采用Netlogo建立云计算仿真场景，算法采用Matlab7进行数学编程实现。网络病毒数据库使用Armadillo，该网络病毒数据库是对LAPACK和BLAS库的封装。根据网络用户对网络攻击检测任务执行能力策略判定系统的比特流量，令hTR=1/6，hGD=3，hF=2。在病毒入侵状态链为3维随机分布状态链模型，每个格点的配位数z为26，二维配位数z为8。仿真参数设定详见表1。
表1云计算环境下网络安全估计仿真参数设定
通过上述仿真环境设定和参数设计，进行网络安全估计和态势预测仿真，在三种不同场景中进行病毒数据预测和威胁态势分析，仿真场景设置为：云计算数据传输自由流场景、网络轻度拥堵场景和网络数据重度拥堵场景。使用OpenMP对算法中13~15行的循环并行处理，试验共使用12组数据。根据上述网络模型构建和参数设置，模拟不同链长960个计算核数，对个体网络用户进行病毒入侵攻击，得到三种场景下的网络病毒流预测结果如图2~图4所示。
从图可见，采用本文TraSD?VANET算法，能在云计算数据传输自由流场景、网络轻度拥堵场景和网络数据重度拥堵场景下，实现网络病毒的预测，对网络攻击的监测准确度好。当病毒信息参量呈非线性增长变化时，对网络病毒攻击的参数估计精度较高，实现网络威胁态势准确预测和评估，本文方法比传统的CoTEC和Centri?lized方法在进行网络病毒数据预测的准确度分别高16.0%和15.7%，展示了本文算法在实现网络安全检测和预测方面的优越性能。
4结语
对云计算环境下网络威胁态势进行有效预测，提高抗体的检测概率，降低网络攻击检测的虚警概率提高抵御风险的能力。本文提出一种基于自适应数据分类和病毒感染隶属度特征提取的云计算环境下的网络安全估计及态势预测算法。首先构建了云计算环境下的网络安全估计模型，进行网络攻击信号模型构建，采用自适应数据分类算法对网络攻击信息数据进行聚类评估，提取网络攻击病毒数据的感染隶属度特征，实现网络安全态势预测和攻击检测。仿真实验表明，本文算法能实现不同场景下的网络病毒流预测和数据检测，实现网络安全估计和态势预测，提高了网络抵御病毒攻击的能力，展示了较好的应用价值。
参考文献
[1]刘雷雷，臧洌，邱相存.基于Kanman算法的网络安全态势预测[J].计算机与数字工程，2014，42（1）：99?102.
[2]韦勇，连一峰.基于日志审计与性能修正算法的网络安全态势评估模型[J].计算机学报，2009，32（4）：763?772.
[3]王晟，赵壁芳.基于模糊数据挖掘和遗传算法的网络入侵检测技术[J].计算机测量与控制，2012，20（3）：660?663.
[4]刘逻，郭立红，肖辉，等.基于参数动态调整的动态模糊神经网络的软件可靠性增长模型[J].计算机科学，2013，40（2）：186?190.
[5]陈秀真，郑庆华，管晓宏，等.层次化网络安全威胁态势量化评估方法[J].软件学报，2006，17（4）：885?897.
[6]罗龙，虞红芳，罗寿西.基于多拓扑路由的无拥塞快速业务迁移算法[J].计算机应用，2015，35（7）：1809?1814.
[7]孙超，杨春曦，范莎，等.能量高效的无线传感器网络分布式分簇一致性滤波算法[J].信息与控制，2015，44（3）：379?384.
[8]匡桂娟，曾国荪，熊焕亮.关注用户服务评价反馈的云资源再分配方法[J].计算机应用，2015，35（7）：1837?1842
[9]OLFATI?SABERR.DistributedKalmanfilteringforsensornet?works[C]//Proceedingsofthe46thIEEEConferenceonDeci?sionandControl.Piscataway.NJ，USA：IEEE，2007：5492?5498.
[10]衣晓，邓露，刘瑜.基于基站划分网格的无线传感器网络分簇算法[J].控制理论与应用，2012，29（2）：145?150.
计算机的网络的分类范文
本文主要从计算机网络技术的应用，计算机网络的发展、分类以及计算机网络的展望等方面进行简要的分析论述。
计算机网络技术是通信技术与计算机技术相结合的产物。计算机网络是按照网络协议，将地球上分散的、相对独立的计算机相互连接的集合。计算机网络具有共享硬件、软件和数据资源的功能，具有对共享数据资源集中处理及管理和维护的能力。
计算机和网络是计算机网络两个重要组成部分。计算机网络就是将地理位置不同的多台自治计算机系统及其外部网络通过通信介质互联，在网络操作系统和网络管理软件及通信协议的管理和协调下，实现资源共享和信息传递的系统。
1计算机网络的发展概述
当今世界计算机技术与通信技术的首次结合开始于上上世纪50年代初期美国地面防空系统将远程雷达与测量控制设备通过通信线路连接到同一台中央计算机上。
60年代初，实现了集中控制处理和分时多用户。60年代末，出现了分布范围广泛的远程网络，也就是美国国防部高级研究计划局，不仅跨越了整个美洲大陆，而且能够通过通信卫星与其他欧洲国家实现计算机网络的互联，它的产生可以说是计算机网络发展中重要的里程碑。
70年代中期，微型计算机和和微型处理器的出现和发展，局域网满足了计算机短距离通信的要求。接着，计算机网络步入了网络体系结构标准化时代。
并且，国际标准化组织也成立了开放系统互联分技术委员会，开始制定一系列的国际标准以促进计算机网络向着标准化的方向发展，成为大家共同的语言。
20世界90年代末至今的第四代计算机网络。由于局域网技术发展成熟，出现光纤及高速网络技术，多媒体网络，智能网络，整个网络就像一个对用户透明的大的计算机系统，发展以Internet为代表的互联网。
2计算机网络的分类
较先进的计算机有生物计算机、光子计算机、量子计算机等。
2.1网络范围
计算机网络可按网络拓扑结构、网络涉辖范围和互联距离、网络数据传输和网络系统的拥护者、不同的服务对象等不同标准进行种类划分。一般按网络范围划分为：局域网，城域网，广域网。局域网的地理范围一般在10千米以内，属于一个部门或一组群体组建的小范围。例如一个学校、一个单位或者一个办公楼等。
广域网涉辖范围大，一般从几十千米至几万千米，例如一个城市，一个国家或者洲际，此时用于通信的传输装置和介质一般由电信部门提供，能实现较大范围的资源共享。城域网介于局域网和广域网之间，其范围一般覆盖一个城市或者地区，距离几十千米到上百千米。
2.2按网络拓扑结构划分
网络拓扑结构即网络各节点间的连接方式和方法。计算机网络可分为环型网络拓扑结构、树型网络拓扑结构、星型网络拓扑结构、总线型网络拓扑结构以及复合型网络拓扑结构五大类型。
2.3交换方式
按网络的交换方式分类可以分为：电路交换，报文交换，分组交换。电路交换方式类似于传统的电话交换方式，用户在开始通讯前，必须申请建立一条从发送端到接受端的物理信道，并且双方在通信期间始终占用该通道。报文交换方式的数据单元是要发送的一个完整报文，其长度并无限制。分组交换方式也称包交换方式，采用分组交换方式前，发送端先将数据划分为一个个等长的单位，这些分组逐个由各中间节点采用存储、转发方式进行传输，最终达到目的端。
2.4计算机相应的网络操作系统分类
目前有以下方面：
UNIX网络操作系统。它有着相当强度的可移植性、相互操作性和多用户与多任务的特性，主要用于超小型计算机。NOVELL网络操作系统不仅有UNIX操作系统的多任务性，并有着自己高效系统容错技术，具网络体系结构，有很强的网络连通性，以成为当今世界局域网的主导网络操作系统。
Microsoft网络操作系统的代表是WindowsNT。它是一种典型的32位现代化、模块化的，面向分布式图形应用程序的完整的平台系统，具有工作站以及小型网络操作系统所具有的所有功能，是局域网市场和NOVELL公司强有力的竞争对手。
3计算机网络技术的应用
局域网的投资少，见效快。已经在国内外受到广泛的应用。当前主要有三种局域网产品。
第一以太网，其结构可靠性高，布局非常灵活，便于对其的拓展及管理。随着网络服务器和高速传输对高速以太网需求的日益增加。
第二令牌环网，具有令牌传输媒体访问控制方式和优先权访问控制机制等优势，并且对网络高负荷的适应性和实时性也适应了网络用户对网络系统的更高要求。
第三光纤分布式数据接口，其基本结构为双环网络环境，通过光纤分布式数据接口、网卡与个人计算机相连接，采用分组交换和令牌方式来实现光纤容量的共享，传输速率可达100KM。
4计算机网络技术展望
随着网络技术的日新月异和多媒体通信技术的不断发展，高速以太网和无线网络的标准将得到不断进步，网络互连设备越来越智能化和集成化，网络结构将更加合理化和科学化，高速网络技术也会得到不断地研究与发展，网络传输速率也会得到不断提高。从当前计算机网络技术的发展趋势来看，三网合一必是其出路。三网合一实际上就是将计算机网、电信网、有线电视网的相互结合，从而大大节约建设成本，更加方便使用，并提升应用效率，使其为社会的繁荣发展创造更多的利益。
5结语
综上所述，计算机网络作为通信技术与计算机技术结合而出现的一种新技术，为全球范围各个国家的发展形成了较为深刻的影响。计算机网络技术已经实现了飞速发展，促进了社会信息化，通过计算机网络技术可以实现数据的存储和资源的共享，为国家军事、经济、社会发展做出了重大共享。计算机网络技术已经成为现代管理的重要标志，将会在未来国际范围内得到进一步广泛的应用和发展。
计算机的网络的分类范文
关键词：计算机网络安全建模仿真分析
中图分类号：TP393文献标识码：A文章编号：1007-9416（2015）11-0000-00
随着我国社会经济发展速度不断加快，通信技术与计算机技术等早已广泛地应用于各个行业里，计算机的网络安全逐步受到人们的关注。计算机信息技术敏感性比较强，利用计算机网络信息技术进行研究，容易对计算机的网络安全造成影响。借助建模仿真方法能够有效避免对计算机的网络造成影响与破坏，能够为计算机的网络攻防提供有效途径。
1计算机图形分析建模仿真方法
从网络的攻击建模类型来说，其中，攻击图与攻击树等属于较常使用的建模方法。应用这种建模可以攻击计算机的网络中存在的漏洞问题，并形成了具体的网络攻击模型，有效解决了计算机的网络里出现的漏洞。攻击树指的是运用树状图形来实现网络的攻击，是一种有效途径，进而实现攻击网络中漏洞的效果。应用计算机网络攻击的过程中，一般情况下以目标作为子节点再根据网络的特点来对网络的攻击方向实施转换，这种攻击树模型能有效解决网络的风险与网络威胁等因素。在研究攻击树的模型过程中，可利用密码机制以算机为节点，分析网络脆弱性指数，并且能够计算成功攻击的概率。
攻击图模型是一种攻击预案集合，其在攻击的过程当中主要利用网络的拓扑信息，相关技术人员在运用攻击图的模型时，大多都是利用手工的形式来展开操作，但这种操作方式的速度相对较慢，并且缺乏了定量分析等环节。技术人员对传统攻击图的模型进行高效的改进和创新，与此同时，可以建立能自动生成贝叶斯的攻击图模型。此攻击图模型能够对任意网络的节点进行评估和推理。此外，建立攻击图的模型时，技术人员可以通过模型相关概率以及大小的情况等来进行具体的检测，再对关键节点提出相关的建议。在这类模型实际应用的过程当中，如果只是单一借助网络攻击图来分析大规模的网络，极可能使计算机的网络存在很大脆弱性，且图形形式极为复杂，技术人员很难进行实际分析和理解，若想有效地克服这个缺陷，研究人员所研究的邻接矩阵形式能够有效弥补这一不足，其可视化的程度较高[1]。
2分析防御图形网络防御的建模方法
目前，网络的防御方式种类有很多，常用的则包括攻击检测和攻击预防以及源追踪等方式。随着我国网络防御技术不断更新和运行，目前已经出现了各种类的防御树和智能图等的建模形式。防御树的建立主要是以攻击树为基础，从而增加了网络的安全性能并且以此为基础，形成网络攻击较为稳定的图形，随着防御树的不断运行，技术人员在这个基础上对网络安全的防御措施进行优化，并针对各类网络攻击行为的变化来选择具体的扩展防御树的方法。计算攻击目标主要是借助条件的概率来进行，并针对网络的攻击，技术人员对攻击类型与特性都应给予广泛关注，做好相应预测、分析等工作，其中，合理应用智能图形可以在较短时间以内进行检测；除此之外，攻击模型与正常模型间存在一定相似性，如果一旦与任何异常现象出现，攻击模型就会出现报警模式，而用户本身可以通过此种警报模式提醒来选择比较科学的措施[2]。
3网络蠕虫病毒建的模仿真方法
3.1网络传染病的研究模型
蠕虫病毒是计算机网络中常见的一种，这种病毒传播的类型及其特点和其他传染病间具有一定相似性。因此，可按照网络传染病的研究模型来建立起网络病毒的传播模型，并且这种模型应用到计算机仿真模型当中。病毒传播的类型主要是以SI、IWMM以及SIS的类型呈现，此外，也有许多双因素的模型，此类模型可以使网络病毒的传播像流行病的传播一样扩散，把网络主机区分为了易感主机和已感染主机、移出主机等，并通过不同类型主机数量及时间、感染系数来建立数学解析模型，而仿真结果则可以通过Mat-lab数学的分析软件计算和画出模型曲线图。这种病毒模型的传播的扩展性很强，能对上千万的节点网络进行模仿。
3.2数据包的模型
为了能将网络的拖布、协议以及流量等从可扩展网络模型当中反映出来，计算机网络环境细节对蠕虫病毒传播产生影响，以蠕虫病毒数据包传播行作为建模的基础，计算机网络的数据包蠕虫病毒仿真可以有效地反映出网络流量、拓扑等结构，从而对蠕虫的传播造成一定影响，并且能够将网络防御策略使用情况及时反映出来，但是，这种方式的关注级别比较低，然而建立仿真建模过程当中，需消耗很多计算机自身资源，通常情况下这种方式难以在一些大规模的网络蠕虫病毒建模的仿真中运用。
3.3混合模型
混合模型的建立主要包含三种：蠕虫传播感染和扫描引发流量模型以及路由的信息流量变化的模型。从较高的层次来说，计算机网络的蠕虫病毒与传播是利用网络传染病的模型。较低层次充分考虑网络的拓扑结构和节点分布与协议以及病毒扫描等而引发开了网络流量变化，运用了数据包层次建模，其中不同层次的模型采用了不同仿真机制。传染病模型是基于时间运行，数据包模型则基于事件运行，这两者间通过单独的循环事件计时器来实现了统一协调[3]。
4结语
总而言之，计算机网络攻防建模依然存在着很多不足之处，且发展空间比较大。可以利用计算机的网络信息共享功能，研发更多信息获取的技术，进而保保证获取的计算机网络的安全数据能够实现精确性与完整性、格式统一的相互合作。借助复杂性的科学理论对网络统计特性与演化特性进行分析。随着计算机信息技术的不断发展和广泛应用，确保其网络的安全性十分必要，技术人员更应当对其给予重视，加强对计算机的网络攻防建模分析，促进计算机的网络更加安全。
参考文献
[1]李春亮，司光亚，王艳正.计算机网络攻防建模仿真研究综述[J].计算机仿真，2013，30（11）：1-19.