基于模糊神经网络的异常网络数据挖掘算法

异常网络数据受到聚类中心的模糊加权扰动的影响,导致数据挖掘的聚类性不好。文中提出一种基于模糊神经网络的异常网络数据挖掘算法,该算法根据异常网络数据的混合分类属性进行相似度分析,提取异常网络数据的数值属性特征和分类属性特征,采用联合关联规则分析方法进行异常网络数据的模糊融合处理,采用基于模糊质心相异性的度量方法构建异常网络数据的分类模糊集,并在模糊数据集中进行异常网络数据混合加权和自适应分块匹配,进而提取异常网络数据的弱关联化特征量,最后将提取的特征量输入到模糊神经网络分类器中进行数据分类识别,完成异常网络数据的优化挖掘。仿真结果表明,采用所提方法进行异常网络数据挖掘的数据聚类性较好,挖掘过程的收敛性和抗干扰性较强。

基于改进SVM的网络异常数据优化分类方法研究

对网络异常数据进行准确分类能够为网络入侵分类、保障网络安全提供准确的依据。传统算法没有考虑网络异常数据分布的不均衡性和高动态变化性,从而降低了分类的准确率和效率。为此,提出一种基于改进SVM的网络异常数据分类方法。在确定网络异常数据隶属度的时候考虑到其与类中心的关系,对传统的SVM进行了改进,在构建SVM分类器的过程中,引入了模糊隶属度函数,并将网络异常数据的分类问题转换为二次规划问题,最终实现网络异常数据的准确分类。仿真实验结果表明,利用改进算法进行网络异常数据分类,能够提高网络异常数据分类的准确率和分类效率,效果令人满意。

基于自相似指数变化率的网络数据流异常分析

为分析并识别网络中的异常状态,规避网站被攻击风险,以网络数据包为研究对象,基于网络流量具有自相似性的特点,通过自相似指数方差变化率对网络的正异常状态进行度量和分析。选取Moore数据集作为实验数据,以Hurst指数作为自相似度量指数,以数据读取单位、数据读取间隔为算法参数,分别通过方差时间法、平均相邻点对法和R/S法对Hurst指数进行估算,建立了基于自相似指数变化率的适用于实际网络的数据流异常分析规则。实验证明,即使在攻击相对分散且网络状态不稳定的状况下,也可以实现最大限度的网络异常识别。

舰船通信网络异常数据的弱关联定位技术

在舰船通信网络异常数据的弱关联定位中,由于使用传统弱关联定位技术的定位误差较大,因此提出一种舰船通信网络异常数据的弱关联定位技术,利用Netflow系统对舰船通信网络异常数据进行提取,通过相空间重构技术处理异常数据提取结果,并利用极限学习机进行数据挖掘,建立舰船通信网络异常数据弱关联定位模型,从而实现异常数据的弱关联定位,通过对比实验可知,该技术的最大定位误差比基于支持向量机的异常数据弱关联定位技术低21.1%;比基于特征遗传算法的异常数据弱关联定位技术低16.4%,证明了该技术更适用于舰船通信网络异常数据的弱关联定位。

网络数据回路异常的科学发现

在时标搭接网络计算机构图的软件开发中频频发生了运行系统崩溃,研究表明,该运行系统的崩溃是网络数据回路异常造成的.在网络系统运行的条件下,网络数据回路异常通常是在绘制封闭搭接网络图时发生的,此封闭搭接网络图对应一个数据回路,这是一个平衡数据体系,该体系的平衡被打破是导致发生运行系统崩溃的理论原因.可以生成的封闭搭接网络图称为网络微系统.根据封闭搭接网络图对应数据回路是一个平衡体系的特性,解决了在一定取值范围内封闭搭接网络图可以生成的问题即网络微系统生成的问题,从而实现了时标搭接网络计算机构图的开发.

基于post关键字编译法的网络异常数据挖掘软件设计

在大数据背景下进行网络异常数据挖掘,提高网络的安全性,提出基于post关键字编译法的网络异常数据挖掘方法,并在嵌入式模块中进行软件开发设计。建立网络异常数据的非线性结构重组模型,采用交叉编译方法进行网络异常数据的关键字特征提取,建立网络异常数据关键字的语义本体模型,采用语义关联映射方法进行网络异常数据的语义特征检测和信息挖掘,构建反映网络异常数据存档信息归类的语义本体模型,通过自相关特征匹配实现网络异常数据的属性检测,结合post关键字编译法方法进行网络异常数据挖掘优化。在嵌入式Linux环境下实现网络异常数据挖掘的软件设计。仿真结果表明,采用该方法进行网络异常数据挖掘的准确性较高,实时性较好,提高了网络异常检测能力。

基于大数据挖掘的网络异常数据辨识方法

为提升辨识准确度,提出基于大数据挖掘的网络异常数据辨识方法。通过计算网络异常数据权重,对网络异常数据进行预处理,利用大数据挖掘技术对网络传输异常数据进行聚类,定位辨识网络传输数据异常。实验结果证明,该方法在错误辨识数目方面表现出色,具体更好的辨识性能。