大数据网络恶意入侵数据准确恢复仿真研究

摘要：

对大数据网络恶意入侵数据的恢复,能够有效保证入侵后网络的正常运行.对入侵数据的准确恢复,需要建立网络恶意入侵数据估计模型,对测试样本进行重构获得系数矩阵,完成数据准确恢复.传统方法更新待恢复区域内的数据,对比迭代前后的网络数据残差与阈值,但忽略了获得样本系数矩阵,导致数据恢复精度偏低.提出基于稀疏编码的大数据网络恶意入侵数据恢复方法.采用遗传优化方法对网络恶意入侵数据的参数进行估计,以数据的对数似然函数作为目标函数,建立网络恶意入侵数据估计模型,将数据样本划分为训练样本和测试样本,采用训练样本对测试样本进行重构获得系数矩阵,采用范数正则化因子惩罚目标函数,使得重构的数据系数矩阵稀疏,由此完成大数据网络恶意入侵数据恢复.实验结果表明,所提方法能够有效地利用相关信息进行数据填补,从而提高破损数据恢复准确度.

关键词：大数据网络、恶意入侵、数据恢复

所属期刊栏目：34

分类号：TP311(计算技术、计算机技术)

在线出版日期：2018-02-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：279-282