文章综合运用大数据聚类技术和深度学习方法,提出一种基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、K-means聚类以及长短期记忆(Long Short-Term Memory,LSTM)神经网络的通信网络安...文章综合运用大数据聚类技术和深度学习方法,提出一种基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、K-means聚类以及长短期记忆(Long Short-Term Memory,LSTM)神经网络的通信网络安全态势预测方法。该方法通过聚类分析多源异构的网络安全数据,提取关键安全态势特征,并利用LSTM模型建立安全态势预测模型。实验结果验证了该方法的有效性,为智能化网络安全管理提供新的思路。展开更多
文摘文章综合运用大数据聚类技术和深度学习方法,提出一种基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、K-means聚类以及长短期记忆(Long Short-Term Memory,LSTM)神经网络的通信网络安全态势预测方法。该方法通过聚类分析多源异构的网络安全数据,提取关键安全态势特征,并利用LSTM模型建立安全态势预测模型。实验结果验证了该方法的有效性,为智能化网络安全管理提供新的思路。
