2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、DNS(Domain Name System)系統(tǒng)是互聯(lián)網(wǎng)上的一個重要機(jī)制,用來實現(xiàn)域名與IP地址之間的相互映射,幫助用戶輕松的訪問互聯(lián)網(wǎng)。然而,由于DNS的開放性,使其很容易受到惡意域名的攻擊,危害網(wǎng)絡(luò)安全。目前,通過對DNS數(shù)據(jù)的分析,借助機(jī)器學(xué)習(xí)方法構(gòu)建分類模型,實現(xiàn)對惡意域名的檢測已成為網(wǎng)絡(luò)安全研究的一個熱點。但是,隨著數(shù)據(jù)量的爆發(fā)式增長,以及數(shù)據(jù)變化性不斷增強(qiáng),傳統(tǒng)的惡意域名檢測算法在處理大規(guī)模實時數(shù)據(jù)集時,表現(xiàn)出檢測速率小,

2、準(zhǔn)確率低以及時效性差的缺陷。
  首先,針對數(shù)據(jù)變化性強(qiáng),而導(dǎo)致SVM的分類準(zhǔn)確率下降的問題,提出了基于距離限定和錯分樣本的增量SVM惡意域名檢測方法。該方法用來實現(xiàn)對分類模型不斷更新。其次,為了加速對大規(guī)模數(shù)據(jù)集的處理效率,采用并行化的SVM方法,加速對惡意域名的檢測效率。最后,在Spark平臺上對提出的增量并行SVM方法進(jìn)行實現(xiàn),并通過模擬實驗,驗證該算法的有效性。
  實驗結(jié)果表明,檢測惡意域名的增量并行SVM方法,其

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(hù)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(fù)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(zhǔn)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。

評論

0/150

提交評論