通信数据中的异常模式挖掘及其在网络安全中的应用

本研究致力于研究通信数据中异常模式挖掘技术的应用。文章设计了一个全面的异常模式挖掘系统,选择正态分布作为概率模型,并详细介绍了数据采集、预处理和异常模式检测等算法的实现。在网络安全方面,强调了实时监测与防御、行为分析、流量分析以及追踪不寻常活动等关键应用场景。研究成果为异常模式挖掘技术在网络安全领域的应用提供了有力支持,具有积极的推动意义。

基于改进Eclat算法的资源池节点异常模式挖掘

云计算环境中,资源池节点异常模式挖掘对于快速诊断节点状态具有重要作用。针对云环境下计算资源池、存储资源池、网络资源池节点数据特征,对资源池节点状态信息进行预处理,利用关联规则算法挖掘资源池节点参数状态信息之间的关联关系,如高位—高位和低位—高位模式等。提出了一种基于限制属性连接并具有垂直数据格式的关联规则算法i-Eclat算法。i-Eclat算法通过转换资源池节点状态数据格式、建立非频繁2-项集以减少连接次数,并构建信息存储结构体来限制冗余属性连接。实验表明,所提出的方法可以有效发现云计算资源池节点之间的隐藏关系;同时,i-Eclat比经典算法计算性能更优,特别是针对较大数据集的处理。

分布式光纤预警系统同质序列数据异常模式挖掘方法

采用目前方法挖掘分布式光纤预警系统中同质序列数据时,存在挖掘失败率高的问题,为此,设计一种分布式光纤预警系统同质序列数据异常模式挖掘方法。采用经验模态分解算法提取分布式光纤预警系统数据的特征,降维处理同质序列数据,并通过请求循环平均异常度、浏览时间平均异常度和序列比对平均异常度这三个角度,检测同质序列数据中存在异常模式,进行最大频繁序列模式挖掘。实验结果表明,所提方法的挖掘失败率低,错误率低,正确率高,预警精度高。