La tecnología de engaño cibernético juega un papel importante en monitorear las actividades de los atacantes y detectar nuevos tipos de ataques. Sin embargo, en un entorno engañoso, el tráfico de ataque de bajo riesgo, como el escaneo, se incluye en grandes cantidades y actúa como ruido. Por lo tanto, aunque el tráfico de alto riesgo esté presente, podría pasarse por alto, o la precisión del algoritmo de análisis con respecto al tráfico podría reducirse, lo que causaría dificultades significativas en los procesos de detección y análisis de intrusiones. En este estudio, proponemos un modelo que puede identificar y filtrar el riesgo de escala ordinal de la IP de origen en el tráfico generado en un entorno engañoso. Este modelo tiene como objetivo clasificar rápidamente los ataques de bajo riesgo, incluida la recopilación de información y el escaneo, que se realizan amplia y repetidamente, así como los ataques de alto riesgo, en lugar de clasificar tipos específicos de ataques. La precisión de la investigación actual de análisis de tráfico en entornos engañosos activos podría mejorarse filtrando el tráfico de bajo riesgo a través de un preprocesamiento.