大规模光纤网络异常节点数据深度挖掘方法研究

为解决常用光纤网络异常节点数据挖掘方法耗时长、精度低的问题,提出一种可应用于大规模光纤网络的异常节点数据深度挖掘方法。预处理光纤网络节点数据,提取信息熵特征,并对数据进行降维操作,引入随机森林算法,通过自助采样形成多个随机样本空间,通过投票机制合并处理并输出树群中各棵子树光纤网络异常节点数据深度挖掘结果,实现光纤网络异常节点挖掘。实验结果表明,所提方法的精确度高达99.8%,耗时仅为9.2 min,漏检率为0.12%,因此,该方法可以获取高效率、高精度的光纤网络异常节点数据深度挖掘结果。

大数据环境下异常节点数据定位方法设计研究

计算机和互联网技术的不断发展,使得大数据网络环境发生了很大的变化,网络数据的传播速度和数量也随之变快和增大,而这中间所产生的节点异常现象也会变得多样化,把握不好,会对网络环境产生很大的威胁.大数据环境下,传统的异常节点数据定位方法受到技术和方法的限制,定位的精度较低,很难适应现代化大数据网络的发展.因此,如何运用现代化的方法对异常节点进行定位对于净化网络空间,确保网络安全具有重要的意义.文章首先分析了大数据环境下异常节点数据定位的原理并通过大数据环境中节点数据传输的特征进行进一步探讨.其次,重点论述处于大数据环境中异常节点数据的定位方法,以及定位方法设计后如何通过仿真证明,判断数据节点定位分析方法的有效性,从而作为异常节点数据定位方法应用的理论参照.

无线通信网络异常节点分段定位方法研究

为解决现有网络异常节点定位方法准确率低的问题,研究无线通信网络异常节点分段定位方法。首先设定采样时间间隔,提取无线通信网络的节点数据;其次监视网络性能,实时更新信息库数据,设定异常行为临界值;然后计算异常节点的异常度以及异常节点到邻近节点的Pearson相关系数,确定无线通信网络异常节点属性特征;最后构建异常节点分段定位模型,获取参考点到异常节点的距离,在逐次迭代后得到最终的分段定位结果。经实验论证分析,文章方法总体准确率均在90%以上,分段定位中估计的坐标平均误差值均在0.20以下,证明本文方法准确率高,分段定位效果较好,具有可行性。