基于Spark的闭合序列模式手机病毒挖掘系统的设计与实现
发布时间：2021-08-09 02:38
随着网络的发展和智能手机的普及,手机病毒日益增多,种类也更加丰富。手机病毒不仅破坏用户数据还盗取用户隐私,对用户造成了极大的伤害,如何有效地对手机病毒进行监测并防范成为了社会各界广泛关注的问题。由于病毒会造成手机用户的行为具有异常性,并且隐藏着一定的规律性,所以使用数据挖掘技术可以挖掘出具有代表性的手机病毒行为特征,从而能够准确且主动地检测出手机病毒。目前将数据挖掘技术应用到手机病毒挖掘中存在的问题有:（1）单机版的手机病毒挖掘系统在处理海量数据时运行效率低;（2）目前己有的应用在手机病毒挖掘中的技术大多没有考虑到病毒行为之间的时序关系;（3）大多数手机病毒挖掘系统功能单一,用户不能自主快捷地使用系统,也不能直观的对手机病毒挖掘结果和检测结果进行有效性分析。针对以上问题,本文重点研究基于分布式计算框架Spark的闭合序列模式挖掘技术,并在此基础上设计并实现了手机病毒挖掘系统。本文的主要工作为:（1）分析Spark框架的核心工作原理。并基于三台Ubuntu系统的计算机搭建了分布式的Hadoop集群和Spark集群;（2）分析单机版闭合序列模式挖掘算法CloTSP的实现原理。结合该算法和大...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－１宽依赖和窄依赖示意图??
Ｖｕｅ会将ＤＯＭ和数据绑定起来，一旦用户创建了绑定，ＤＯＭ将和数据保??持同步，每当数据有更新时，ＤＯＭ会更新；每当ＤＯＭ更新时，数据也会进行??相应的更新。如图２－４所示，ＶｉｅｗＭｏｄｅｌ是Ｖｕｅ的核心，ＶｉｅｗＭｏｄｅｌ中的ＤＯＭ??Ｌｉｓｔｅｎｅｒｓ和Ｄａｔａ?Ｂｉｎｄｉｎｇｓ是实现双向绑定的关键。当页面上的ＤＯＭ元素发生变??化时，ＤＯＭ?Ｌｉｓｔｅｎｅｒｓ会监测到该变化，并根据变化更改Ｍｏｄｅｌ中的数据；当??Ｍｏｄｅｌ中的数据发生变化时，ＤａｔａＢｉｎｄｉｎｇｓ也会同步更新到ＤＯＭ元素中。因此??数据驱动思想只需用户关注数据的变化而无需对ＤＯＭ进行直接操作，提高了页??面的渲染速度。??ＤＯＭ?Ｖｉｅｗ?Ｐｌａｉｎ?ｊａｖａｓｃｒｉｐｔ??Ｏｂｊｅｃｔｓ??ＶｉｅｗＭｏｄｅｌ??????广?＾???ＤＯＭ?Ｌｉｓｔｅｎｅｒｓ?？＊、?一??ｖｉｅｗ?????Ｍｏｄｅｌ??－＾１?Ｄｉｒｅｃｔｉｖｅｓ????图２－４?Ｖｕｅ．ｊｓ框架图??组件化是Ｖｕｅ的另一个重要概念。组件化可以扩展ＨＴＭＬ元素，封装可重??用的代码，提高代码的可维护性。页面上每一个独立的可视或者可交互区域都可??以视为一个组件，每一个组件都对应一个ＶｉｅｗＭｏｄｅｌ，且生成对应的ＤＯＭ树。??每一个组件还对应一个工程目录，目录下管理和维护组件所需要的各种资源。总??之
３?３?３?２１??列表计算出每个三项序列的支持度计数将＜ｅａｂ＞作为叶子结点插入到多叉树中。??列表和算法３的闭合判断后，得知＜ｅａｂ序与它的兄弟结点进行结合，到四项序列的序列表，如表３－５所示：??表３－５四项序列表??ｅａ（ｂｄ）＞?ＴＩＰ?ＳＩＤ３?１?３列表得知不存在四项频繁序列，所以不停止生长，算法结束。此时的以ｅ为前所有没被标记为不可继续扩展的叶子结＞。??
【参考文献】：
期刊论文
[1]并行动态位向量频繁闭合序列模式挖掘算法[J]. 陈倩,刘云,高钰莹. 计算机工程与科学. 2018(10)
[2]一种无候选项的闭合序列模式挖掘算法[J]. 杨斐,张万桢,陆垂伟. 计算机应用与软件. 2016(03)
[3]基于MapReduce的序列模式挖掘算法[J]. 余啸,马传香,李伟亮,金聪. 计算机应用研究. 2015(11)
[4]智能手机风险分析与安全防护[J]. 汤玲. 数字技术与应用. 2014(01)
博士论文
[1]基于约束的序列模式挖掘及其应用研究[D]. 张劲松.上海交通大学 2015
[2]面向移动互联网的网络管理若干关键技术的研究[D]. 付宇.北京邮电大学 2015
硕士论文
[1]基于多特征的SMS僵尸网络检测技术研究[D]. 胡渊博.西安电子科技大学 2018
[2]基于HDFS的大数据快速可视化系统的设计与实现[D]. 郑雪.哈尔滨工业大学 2018
[3]基于Spark Streaming的数据流序列模式挖掘算法的研究与实现[D]. 戴璐佳.北京邮电大学 2018
[4]基于Spark的大数据处理可视化工具的设计和实现[D]. 檀照望.北京邮电大学 2017
[5]基于Spark的增量式关联规则的手机病毒挖掘的研究与实现[D]. 马威.北京邮电大学 2017
[6]基于Spark的近邻传播聚类及其增量算法的研究与应用[D]. 刘新生.北京邮电大学 2017
[7]基于SPARK的海量数据频繁模式挖掘算法研究[D]. 赵焱德.哈尔滨工业大学 2016
[8]基于序列模式挖掘的移动应用使用预测研究[D]. 杨宇佳.浙江大学 2016
[9]基于Spark的大数据挖掘技术的研究与实现[D]. 李文栋.山东大学 2015
[10]基于Hadoop技术的轨道交通MSS系统数据存储应用研究[D]. 韩丽颖.北京交通大学 2015
本文编号：3331193
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－１宽依赖和窄依赖示意图??
Ｖｕｅ会将ＤＯＭ和数据绑定起来，一旦用户创建了绑定，ＤＯＭ将和数据保??持同步，每当数据有更新时，ＤＯＭ会更新；每当ＤＯＭ更新时，数据也会进行??相应的更新。如图２－４所示，ＶｉｅｗＭｏｄｅｌ是Ｖｕｅ的核心，ＶｉｅｗＭｏｄｅｌ中的ＤＯＭ??Ｌｉｓｔｅｎｅｒｓ和Ｄａｔａ?Ｂｉｎｄｉｎｇｓ是实现双向绑定的关键。当页面上的ＤＯＭ元素发生变??化时，ＤＯＭ?Ｌｉｓｔｅｎｅｒｓ会监测到该变化，并根据变化更改Ｍｏｄｅｌ中的数据；当??Ｍｏｄｅｌ中的数据发生变化时，ＤａｔａＢｉｎｄｉｎｇｓ也会同步更新到ＤＯＭ元素中。因此??数据驱动思想只需用户关注数据的变化而无需对ＤＯＭ进行直接操作，提高了页??面的渲染速度。??ＤＯＭ?Ｖｉｅｗ?Ｐｌａｉｎ?ｊａｖａｓｃｒｉｐｔ??Ｏｂｊｅｃｔｓ??ＶｉｅｗＭｏｄｅｌ??????广?＾???ＤＯＭ?Ｌｉｓｔｅｎｅｒｓ?？＊、?一??ｖｉｅｗ?????Ｍｏｄｅｌ??－＾１?Ｄｉｒｅｃｔｉｖｅｓ????图２－４?Ｖｕｅ．ｊｓ框架图??组件化是Ｖｕｅ的另一个重要概念。组件化可以扩展ＨＴＭＬ元素，封装可重??用的代码，提高代码的可维护性。页面上每一个独立的可视或者可交互区域都可??以视为一个组件，每一个组件都对应一个ＶｉｅｗＭｏｄｅｌ，且生成对应的ＤＯＭ树。??每一个组件还对应一个工程目录，目录下管理和维护组件所需要的各种资源。总??之
３?３?３?２１??列表计算出每个三项序列的支持度计数将＜ｅａｂ＞作为叶子结点插入到多叉树中。??列表和算法３的闭合判断后，得知＜ｅａｂ序与它的兄弟结点进行结合，到四项序列的序列表，如表３－５所示：??表３－５四项序列表??ｅａ（ｂｄ）＞?ＴＩＰ?ＳＩＤ３?１?３列表得知不存在四项频繁序列，所以不停止生长，算法结束。此时的以ｅ为前所有没被标记为不可继续扩展的叶子结＞。??
【参考文献】：
期刊论文
[1]并行动态位向量频繁闭合序列模式挖掘算法[J]. 陈倩,刘云,高钰莹. 计算机工程与科学. 2018(10)
[2]一种无候选项的闭合序列模式挖掘算法[J]. 杨斐,张万桢,陆垂伟. 计算机应用与软件. 2016(03)
[3]基于MapReduce的序列模式挖掘算法[J]. 余啸,马传香,李伟亮,金聪. 计算机应用研究. 2015(11)
[4]智能手机风险分析与安全防护[J]. 汤玲. 数字技术与应用. 2014(01)
博士论文
[1]基于约束的序列模式挖掘及其应用研究[D]. 张劲松.上海交通大学 2015
[2]面向移动互联网的网络管理若干关键技术的研究[D]. 付宇.北京邮电大学 2015
硕士论文
[1]基于多特征的SMS僵尸网络检测技术研究[D]. 胡渊博.西安电子科技大学 2018
[2]基于HDFS的大数据快速可视化系统的设计与实现[D]. 郑雪.哈尔滨工业大学 2018
[3]基于Spark Streaming的数据流序列模式挖掘算法的研究与实现[D]. 戴璐佳.北京邮电大学 2018
[4]基于Spark的大数据处理可视化工具的设计和实现[D]. 檀照望.北京邮电大学 2017
[5]基于Spark的增量式关联规则的手机病毒挖掘的研究与实现[D]. 马威.北京邮电大学 2017
[6]基于Spark的近邻传播聚类及其增量算法的研究与应用[D]. 刘新生.北京邮电大学 2017
[7]基于SPARK的海量数据频繁模式挖掘算法研究[D]. 赵焱德.哈尔滨工业大学 2016
[8]基于序列模式挖掘的移动应用使用预测研究[D]. 杨宇佳.浙江大学 2016
[9]基于Spark的大数据挖掘技术的研究与实现[D]. 李文栋.山东大学 2015
[10]基于Hadoop技术的轨道交通MSS系统数据存储应用研究[D]. 韩丽颖.北京交通大学 2015
本文编号：3331193
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3331193.html
