面向大数据的异构网络安全监控及关联算法

随着科学技术的不断进步,信息化时代的到来,网络安全问题成为了社会关注的焦点.在网络环境下涉及到大量的数据分析、查询,过程相对较为复杂,我们根据其特点将它称之为大数据.我们所生活的网路环境又可以称为大数据时代,面对大数据时代下,网络安全问题更加严峻,尤其是异构网络安全问题的影响力非常之大,因此,我们要加强对大数据的异构网络安全进行监控,以保证其运行环境的安全性.本文就面向大数据的异构网络安全监控做了简单分析,并提出针对性的关联算法.     

基于异构关联的大数据价值密度提升方法

电信大数据通常分散存储在 DPI、OIDD、CRM 等多个系统中,且格式、表述和规则在各系统中互不相同;因而,同一对象在不同系统中的多类数据很难被有效识别及完整利用,大数据分析的样本规模和特征维度严重受限,导致分析结果可信度和准确率下降。提出了电信大数据的异构关联方法与实现架构,并进行了方法的流程举例和验证,从用户维度实现了多系统间的数据融合,优化了诸如用户画像等应用的数据样本空间,从而大幅提升电信大数据价值密度。     

数据关联算法综述

数据关联是多目标跟踪里面的核心问题,文章系统地介绍了几种基本数据关联算法,通过总结国内外的文献,分析指出了传统数据关联算法的一些问题。     

智能监控应用平台告警关联大数据分析算法研究

本文以支撑故障管理体系为目标,构建基于Spark/Hadoop的电信网络智能监控应用平台并实现对海量告警数据的挖掘与分析,研究及实现基于距离的告警大数据关联分析算法,通过自定义的告警距离和自学习的最优距离阈值对海量告警进行智能分类,在每一类中利用基于资源的质心算法进一步定位根网元。通过对实际数据的测试及分析,该方法能够实现告警关联的自动化、智能化,聚合原有关联规则以提升规则有效性,并提升了告警压缩率和故障命中率。     

面向大数据的网络流量监控与分析算法综述

网络流量监控与分析(Network Traffic Monitoring and Analysis, NTMA)作为网络管理技术的关键组成部分,能够有效提高互联网等大型网络的健壮性。然而随着互联网业务的复杂性和通信量不断增加,如何设计具有高可扩展性、实时性和高安全性的NTMA应用是一个极其重要且严峻的挑战。将大数据处理技术引入NTMA应用,能够有效提升数据传输过程中的信息量、传输速率、多样性以及准确性。为了进一步研究面向大数据的NTMA算法,首先介绍NTMA算法的背景技术,包括现有的大数据技术和NTMA应用框架;其次,介绍NTMA应用的数据管理技术,并详细阐述数据管理的主要流程和关键技术;最后,概述基于大数据的NTMA框架的最新研究方法。     

探究面向大数据的网络安全对策

当前,我国经济正逐渐地向多元化方向发展,各类现代化计算机网络信息技术的应用日益广泛,虽然给人们的日常生活和工作带了方便,但是随着大数据时期的来临,也给网络应用的安全性带来了巨大的挑战.因此,面对当今大数据的网络时代,为了确保网络信息数据的安全性,就必要加强对网络安全问题的重视,并且制定出科学、有效的防范措施处理各种网络安全问题,确保现代网络应用的安全.本文主要就大数据时代下网络安全运行中的问题和对策进行分析.     

面向大数据的数据服务中心设计与应用研究

大数据管理对传统的基于关系数据库管理系统为核心的数据管理服务平台提出了挑战,研究开发支持结构化和非结构化数据统一管理的数据管理与服务中心成为一项非常迫切并且重要的任务,汇总分析出大数据服务中心四项关键技术,采用可配置泛化表模型等技术,设计了基于Hadoop平台的数据服务中心系统原型BIG-DMS和基于BIG-DMS的数据综合服务平台应用方案,支持结构化和非结构化数据的统一存储、管理和访问服务。     

面向大数据的网络安全策略

随着计算机技术发展到了大数据时代,数据安全得到了史无前例的重视。在大数据时代,各种数据呈现井喷现象,人们对自身各项数据也越来越重视。加之近些年来,一些数据泄露事件的发生,都加剧了人们对隐私泄露的恐慌。如何有效的建立起安全可靠的大数据防护措施,是大数据时代所需要考虑的根本问题,也是第一个问题。     

大数据时代的信息安全研究

大数据技术是信息技术领域的研究热点之一。大数据在带来积极影响的同时,也带来了一定的信息安全风险。文章在分析大数据基本特征的基础上,提出了当前大数据面临的安全挑战,并从技术和管理方面阐述了信息安全的应对策略。     

基于云计算的大数据关联规律挖掘分析方法

近些年来,计算机技术与计算机网络处于突飞猛进的发展之中,特别是随着网络计算与云计算的进步,在网络中开始存储更多的数据分布,大数据工作的开展对于网络的应用日渐重要.通过大数据关联规律的挖掘,能够促使信息查询工作由低层次发展至高层次,并为决策的制定提供一定理论支撑.也正是因为此,探索云计算环境下大数据关联规律的挖掘方法就显...     

基于层次混合网络的异构大数据智能推荐

随着人工智能和机器学习等几项重要技术的发展,使得大数据渗透各个领域并伴随着各种网络化的应用.文中主要研究异构大数据环境下的深度关联挖掘方法,构造了一个层次混合网络模型来描述不同实体之间的多类型关系,并设计了一个基于深度强化学习框架的智能路由器,让其结合模型,最终实现了一种智能推荐机制,用于支持学术大数据环境下用户的协同...     

大数据环境下数据与算法融合的探讨

大数据的理想形态应是不用构建算法模型，不用根据具体的问题再单独建立模型，数据自身便会从数据特性和规律进行统计分析。但现实情况下，这种不依赖具体算法的大数据分析实现起来还有一定难度。缺乏延展性分析的结果，无疑会使我们错失更多的问题域。因此，大数据环境下，我们更应该注重数据与算法的融合。     

基于聚类算法的大数据中密集数据算法分析

大数据时代环境下如何能够计算海量密集型数据,研究提供了一个聚类算法的分析思路.基于MapReduce和SPRINT算法的编程框架,提出了一种决策树分类算法.通过实际实验对MR-DIDC算法的性能进行了一定量的测试,通过测试的结果来看,该算法具备良好的可扩展性以及较高的数据可用性.在数据量规模比较大的情况下,该算法大规模...     

三星时差定位系统的数据关联与定位算法

首先建立了三星时差定位算法的计算模型，得到了基于最大似然估计的定位迭代算法。然后分析了信号脉冲在不同卫星到达时间的关联问题，提出了一种建立在系统先验信息基础上的数据关联方法。最后，通过Monte-Carlo仿真实验，验证了数据关联方法和不同卫星面局下定位算法的性能。     

大数据助力信息安全研究

习近平指出:没有网络安全就没有国家安全。深度打击网络攻击,保障信息安全迫在眉睫。大数据时代的到来,给网络与信息安全带来了理念革新、技术革新和模式革新的机遇。本文根据国内外大数据及其在信息安全领域的应用现状和发展趋势,提出了面向信息安全领域的大数据分析模型,对其中的大数据分布式计算技术进行了深入研究,并对大数据挖掘分析应用模式进行了设计,为应对信息安全挑战提供可行解决方案。     

广义概率数据关联算法

随着跟踪环境、跟踪对象和跟踪系统的不断变化、发展,目标与量测已很难仅仅以一一对应的关联关系来描述,这使得多目标跟踪中数据关联这一核心问题更具挑战.Jesus Garrcia、T.Kirubarajan和Bar-Shalom等学者从智能方法或重复使用一对一分配JPDA等方面进行了研究,取得一定成效,但计算量和性能均未达到理想效果.本文首先提出更符合实际情况的新的目标与量测相关联的可行性规则,给出广义联合事件的一种分割与组合方法,利用贝叶斯法则推导出了一种全局次优的广义概率数据关联算法(Generalized Probability Data Association,GPDA).通过本文设计的各种典型环境的仿真计算表明,GPDA算法的性能在目标与量测无论是否在一一对应的情况下,全面优于JPDA算法,且由于新算法的设计技巧,使计算量和存储量也大大小于JPDA算法,为发展同时具有良好实时和关联性能的多目标跟踪算法给出了新的尝试.     

大数据下的机器学习算法探讨

随着我国经济不断的发展,科学技术也在快速的发展,电子商务、互联网社交、交通运输、卫星导航等等各个社会领域都在产生这大量的数据,信息量变得巨大,产业对数据量不断的增大,大数据概念已经深入到了各行各业,被越来越多的企业关注了.互联网不断的普及扩大,于是就有了在大量数据的环境下应用的问题,数据的大量性,变化快以及复杂性,不再适用小数据的机器学习算法,传统的小数据机器学习算法逐渐的被淘汰或被取代,所以大数据下的机器学习算法是我国各行各业共同探讨的主流话题.通过分析当下处理大数据的机器学习算法,总结出处理大数据的好方法,有效的解决各大企业面临数据量大的问题,提出在大数据下机器学习算法的建议和方法.传统的数据分析处理技术不能满足与提取数据资源里的价值信息,面对这样的需求,我们在不断的探析和研究,为群众提供对大数据处理的有效平台.