基于Spark Streaming的高校网站敏感信息监测设计与实现

高校在实现智慧化的同时也面临着网站发布信息或网页内容被黑客篡改成不符合国家或学校规定的信息及内容.通过对已有学术研究发现,现有技术的研究普遍存在着效率低、实时性差的问题,本文提出了一种基于Spark Streaming的高校网站敏感信息监测系统.该系统利用Kafka作为中间存储,系统架构在Spark Streaming框架上可实时消费Kafka中数据进行链接解析处理,将获取到的网页内容存储到Elastic Search中进行倒排索引敏感信息匹配,从而达到数据采集和数据处理同步,提高了网站监测效率.

基于马尔科夫聚类的通信网络敏感信息监测

通信网络敏感信息自动监测是识别网络异常行为的关键所在。针对目前方法难以有效区分通信网络异常行为与正常行为之间关系的问题,提出了一种基于马尔科夫聚类的网络敏感信息自动监测方法。该方法首先基于网络流信息构建邻接矩阵,然后利用马尔科夫聚类。利用聚类前后簇数和核心结构节点数目的变化特征,自动监测通信网络的敏感信息。实验结果表明,该方法能够有效监测出通信网络的敏感信息,且具有较高的识别准确率。

马尔科夫聚类改进敏感信息自动监测

异常节点监影响通信网络路由性能,其敏感信息有利于发现网络攻击行为。为此,针对通信网络异常节点及其敏感信息监测,提出基于马尔可夫聚类改进的通信网络异常节点敏感信息监测方法。算法基于网络采集并预处理的流数据建立能够表征网络状态的邻接矩阵;然后在分析敏感词距离及敏感信息敏感度基础上,对邻接矩阵进行马尔可夫聚类处理,根据核心聚类节点在聚类前后的结构差异,实现通信网络中的敏感信息的自动监测。实验结果验证了算法在监测识别敏感信息方面的有效性和准确率。

电气设备实时敏感信息自动化监测系统设计

为确定电气设备运行状态,保障电气设备正常运行,设计一种电气设备实时敏感信息自动化监测系统。传感器单元采集各分散电气设备的运行温度信息,传输到信息汇总模块中完成信息汇总,并将汇总结果传输至整体判断与分析模块;整体判断与分析模块对电气设备运行温度信息实施降噪、特征提取等预处理,预处理后的信息同SQL数据库内历史运行信息对比,利用敏感信息联盟决策判断是否电气设备运行敏感信息后,将全部信息与结果存储至SQL数据库内,并通过互网络反馈给显示模块,实现实时敏感信息的自动化监测。仿真结果显示,所设计系统可准确采集电气设备不同节点温度数据,从采集到的温度数据中准确判断出敏感信息,通过监控界面监测敏感信息。