版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、Spark技術(shù)是一項基于內(nèi)存計算,繼Hadoop技術(shù)之后在云計算領(lǐng)域出現(xiàn)的新一代通用并行計算的開源技術(shù),在機器學(xué)習(xí)方面有著無與倫比的優(yōu)勢,特別適合出現(xiàn)多次迭代計算需求的算法,并在交互式查詢、云計算、圖計算等領(lǐng)域有著廣泛的應(yīng)用。由于Spark擁有非常出色的容錯和調(diào)度機制,可以確保系統(tǒng)穩(wěn)定地運行,并且它還是一個集SQL、機器學(xué)習(xí)、圖計算、流處理等多種功能于一體的計算框架,具有非常好的易用性。目前,Spark技術(shù)已經(jīng)構(gòu)建成了一套完整的大數(shù)據(jù)處
2、理生態(tài)系統(tǒng),在流處理、圖技術(shù)、機器學(xué)習(xí)、NoSQL查詢等方面都具有自己的特色。此外,Spark采用全棧技術(shù)解決了云計算數(shù)據(jù)處理的核心問題,使得在現(xiàn)階段,Spark技術(shù)在云計算等大數(shù)據(jù)領(lǐng)域中成為研究熱點。
論文在詳細闡述國內(nèi)外關(guān)于Spark研究現(xiàn)狀的基礎(chǔ)上,針對目前存在的難點問題,以Spark全棧框架中的各個組件及其應(yīng)用為基礎(chǔ),對網(wǎng)絡(luò)流量異常檢測技術(shù)的應(yīng)用問題展開討論和研究,本論文的主要貢獻有以下兩個方面:
本論文首先
3、研究了網(wǎng)絡(luò)流量異常檢測技術(shù)在Spark平臺上的應(yīng)用,利用Spark平臺上的MLlib算法庫、Streaming K-means和隨機森林算法分別作為入侵檢測的第一級和第二級模型,作用于不同階段中網(wǎng)絡(luò)流量數(shù)據(jù)的檢測。此外,根據(jù)無監(jiān)督模式下K-means算法的原理,對網(wǎng)絡(luò)流量異常檢測算法進行了優(yōu)化,采用Z-score算法過濾邊緣信息,選擇熵信息K-means模型作為第一級網(wǎng)絡(luò)流量異常檢測的模型,以第一級檢測模型的數(shù)據(jù)輸出作為第二級模型的輸入
4、,采用隨機森林算法作為第二級分類模型。
其次本論文針對以上算法進行了對比測試。首先以KDD99為實驗數(shù)據(jù)集,基于熵信息判斷K-means最優(yōu)模型,并通過交叉檢驗證明了在不同的K值下模型預(yù)測準確度和熵信息成反比,K值為60時K-means模型達到最優(yōu)。同時還對隨機森林算法和決策樹算法在不同參數(shù)組合下的預(yù)測模型進行了異常數(shù)據(jù)分類測試對比,測試結(jié)果表明,隨機森林模型可以做到98%以上的異常結(jié)果分類預(yù)測,采用二級異常檢測模型與傳統(tǒng)模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 網(wǎng)絡(luò)流量異常檢測.pdf
- 基于NetFlow的網(wǎng)絡(luò)流量異常檢測技術(shù)研究.pdf
- 基于統(tǒng)計的網(wǎng)絡(luò)流量異常檢測技術(shù)研究.pdf
- 網(wǎng)絡(luò)流量異常實時檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于熵估計的網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于特征分布的網(wǎng)絡(luò)流量異常檢測.pdf
- 基于ARX模型的網(wǎng)絡(luò)流量異常檢測.pdf
- 基于迭代的快速網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于小波包變換的網(wǎng)絡(luò)流量異常檢測的研究.pdf
- 網(wǎng)絡(luò)流量異常檢測算法.pdf
- 基于度分布的網(wǎng)絡(luò)流量異常檢測方法研究.pdf
- 基于擴散小波的網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于時頻分析的網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量異常檢測系統(tǒng)研究.pdf
- 網(wǎng)絡(luò)流量異常檢測與預(yù)測方法研究.pdf
- 基于數(shù)據(jù)流的網(wǎng)絡(luò)流量突發(fā)異常檢測.pdf
- 基于網(wǎng)絡(luò)流量的P2P僵尸網(wǎng)絡(luò)實時檢測技術(shù)研究.pdf
- 基于Spark的大規(guī)模網(wǎng)絡(luò)流量分類方法研究.pdf
- 基于主成分分析的網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于超統(tǒng)計理論的網(wǎng)絡(luò)流量異常檢測方法研究.pdf
評論
0/150
提交評論