计算机网络大规模高维数据流异常数据挖掘

研究计算机网络大规模高维数据流异常数据挖掘方法,有效挖掘计算机网络大规模高维数据流异常数据,提升计算机网络安全性。使用基于Python网络爬虫的数据采集技术采集计算机网络大规模高维数据流,经软件总线模型完成数据流清洗预处理,降低数据流规模与维度后,利用基于枢纽现象与加权离群分数的离群数据挖掘算法,经计算机网络数据流数据对象K近邻查询、K近邻数据对象离群分数和求解与加权、区分度阈值生成等操作,获取计算机网络数据流异常数据,并通过构建卷积神经网络异常数据类型识别模型,有效识别异常数据类型。实验结果表明:该方法可有效挖掘计算机网络大规模高维数据流数据中存在的异常数据,异常数据挖掘与识别准确性较高,可显著提升计算机网络安全性。