分布式网络异常节点挖掘检测方法仿真

摘要：

分布式网络节点检测存在检测精度不准确,容易产生误判的现象.为了防止网络安全事故发生,保证数据信息的安全,提出一种基于数据挖掘的分布式网络异常节点检测方法.将分布式网络节点数据集中,数据样本的原始特征向量从高维空间转换到低维空间,通过数据挖掘方法提取分布式网络异常节点特征.分析BP神经网络权值调整特点,对BP神经网络的学习率和迭代次数调优,构建分类器模型.将提取的特征输入到分类器模型中,最终实现分布式网络异常节点检测.实验结果表明,所提方法的异常节点检测率在90%以上,校测效率高,且检测耗时在 1.50s内.

关键词：数据挖掘、分布式网络、网络异常节点、欧式距离计算

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：河北省自然科学基金青年项目;邯郸市哲学社会科学课题

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：409-413