基于MapReduce并行关联挖掘的网络入侵检测

随着海量大数据的出现,关联数据挖掘算法需要新型计算模式来提高计算速度与运行效率。提出了基于MapReduce并行关联挖掘的网络入侵检测方法Cloud-Apriori。Apriori是一种基于频繁项集的关联规则数据挖掘算法,Cloud-Apriori是经MapReduce云计算并行化后的新算法。Cloud-Apriori利用开源的Hadoop分布式计算框架,采用Hadoop分布式文件系统存储海量数据;结合MapReduce的映射,规约操作,可以把关联挖掘的数据流和任务组成一个有向无环图,方便专业技术人员按照映射-规约的方式进行分布式计算的编程。分析了基于MapReduce的并行关联挖掘的模块组成与实现过程。Cloud-Apriori利用Kddcup的案例数据和网络入侵检测这种大数据应用来仿真算法的效果。实验结果表明:与存在的网络入侵检测算法相比,Cloud-Apriori在检测精度、运行时间上有很好的优势。

网络空间“测”与“绘”

网络空间测绘已经成为各领域普遍关注的热点问题。其核心任务是探明网络空间组成要素,分析网络空间现象规律,绘制网络空间结构。网络空间测绘的研究存在概念术语多样、研究框架不统一,要素及规律的认识不清晰,网络空间地图表达方法不规范、缺乏统一标准等问题。在系统梳理各领域对网络空间测绘研究现状的基础上,分析了各领域对网络空间内涵的共性认识;从网络空间的空间特性、地理特性和人文特性出发,剖析了从测绘地理学角度研究利用网络空间的特点和优势;提出了网络空间测绘的研究框架,重点描述了网络空间“测”与“绘”的核心内容和关键技术,并阐述了其与实景三维、数字孪生及元宇宙之间的关系;将网络空间“测量”分为狭义的和广义的网络空间测量,指出其缺少从整体角度对网络空间特征测量和缺乏针对人在网络空间活动现象和规律的测量研究;从网络空间认知需求出发,提出了网络空间地图概念模型和分类;从网络空间坐标系、“地理-网络”关联映射、网络空间地图表达方法等方面重点描述了网络空间地图制图的关键技术,系统分析了网络空间地图表示方法及其适用性;最后,对网络空间顶层概念、网络空间建模方法、网络空间地图理论与方法以及网络空间地图应用场景设计等需要重点研究的关键科学问题和关键技术进行了展望。