10.16526/j.cnki.11-4762/tp.2020.03.014
基于大数据技术的网络异常行为检测模型
针对传统的网络异常检测受数据存储、处理能力的限制,存在准确率较低、误报率较高以及无法检测未知攻击的问题;在Spark框架下结合改进的支持向量机和随机森林算法,提出了一种基于大数据技术的网络异常行为检测模型;使用NSL—KDD数据集进行了方法验证,表明该方法在准确率和误报率方面明显优于传统的检测算法,整体检测的准确率和误报率分别为96.61%和2.92%,DOS、Probe、R2L和U2R四种攻击类型的准确率分别达到98.01%、88.29%、94.03%和66.67%,验证了方法的有效性.
大数据技术、网络异常行为、支持向量机、随机森林、模拟退火
28
TP393.08(计算技术、计算机技术)
国防基础科研计划项目;四川省教育厅项目;四川省组织部项目
2020-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
62-66,71