基于b-isvm算法的物联网云存储数据伪装不良信息检测

针对物联网云存储数据伪装不良信息隐蔽性造成的信息量预处理困难、深层次语义理解不准确和样本不均衡等问题，提出了一种基于b-isvm(boundary-incrementalsvm)算法的物联网云存储数据不良信息检测算法。在该算法中，首先采取基于均值和标准差的k均值初始聚类分析对云存储数据信息量进行样本空间训练分类;然后将所有样本类进行欧氏距离遍历计算，得到类间子聚类中心距离矩阵和各聚类中心的邻界子聚类区;再通过信息量伪装与筛选原理进行云存储信息真伪筛选，以不良信息在伪信息中发生的概率为指数、以数据安全度阂值和不良伪装信息模板向量集的相似度阂值为指标，对云存储信息量进行识别;最后进行增量模式学习，得到各分类样本最终的最优分类超平面，并将各类检测出的不良伪装信息进行输出。系统测试证明，该算法能快速有效地对物联网云存储数据中的伪装信息进行检测。