基于多流形学习的多源异构安全数据处理分析

发布时间：2021-06-20 11:53

　　多源安全数据的分析是网络安全领域分析预测的基础,多源数据的融合分析技术是对安全数据进行处理的重要方法。日志数据可以记录系统的状态变化,日志文件可以表示出系统状态改变的情况。对网络安全状态的分析可以结合日志数据和其他安全数据,达到综合分析的目的。流形学习算法是近十年应用较广泛的一种数据降维与特征提取方法,该方法融合了计算机科学、数学、智能科学和认知科学等相关知识,已经成为目前机器学习研究领域的重点和热点方向。论文结合流形学习算法,将多源异构安全数据的融合分析分为多源数据预处理、特征提取和安全分析三部分:第一部分是预处理阶段,主要是对多源安全数据进行预处理操作。为了减少多源数据在语义、时间、空间上的异构性,同时去除脏数据,论文提出一种基于流形学习算法的数据预处理方法。首先,对数据进行数据清洗操作,包括初步过滤去重,识别噪声数据等;然后进行数据约简操作,通过流形学习算法对数据源进行降维,以此获得高质量的数据。第二部分是安全特征提取阶段,主要是对经过预处理后的数据的特征提取。为了分析多源异构数据源,选择合理的数据特征,论文提出一种基于多流形学习算法的数据特征提取方法,该方法同时考虑了多源数据的... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

系统框架图

原始数据源

ISOMAP降维数据结果

【参考文献】：
期刊论文
[1]基于近邻元分析的半监督流形学习算法[J]. 李雪晴,王靖,杜吉祥.  模式识别与人工智能. 2017(08)
[2]一种多源异构数据融合方法及其应用研究[J]. 姜建华,洪年松,张广云.  电子设计工程. 2016(12)
[3]基于模糊聚类和测地距离的LLE算法[J]. 张晓宇,孙海霞,黄天民.  黄冈师范学院学报. 2016(03)

博士论文
[1]基于流形学习的特征提取方法及其应用研究[D]. 李波.中国科学技术大学 2008



本文编号：3239144