基于布谷鸟搜索算法的多数据流融合异常检测方法

发布时间：2021-03-10 19:17

　　为了提高多数据流融合异常检测能力,保障网络数据的安全性,提出基于布谷鸟搜索算法（Cuckoo Search,CS）和空间间隔采样的分布式卷积神经网络的多数据流融合异常检测方法.根据多数据流融合异常检测特征进行网络用户的浏览信息特征检测,建立多数据流融合的特征提取模型,构建反映网络安全等级的多数据流融合量化特征分析模型,采用空间欠采样技术进行多数据流非线性特征重组,提取多数据流融合异常检测的统计特征量,根据多数据流融合异常分布状态实现特征检测和识别,结合布谷鸟搜索算法进行多数据流融合异常检测中的自适应寻优.仿真结果表明,采用该方法进行分布式卷积神经网络多数据流融合异常检测的准确性较高,检测概率较高,抗干扰能力较强,提高了网络的安全性. 

【文章来源】：内蒙古民族大学学报(自然科学版). 2020,35(03)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]改进Markov过程的异构无线网络垂直切换算法[J]. 闫丽,高婷.  吉林大学学报(理学版). 2019(03)
[2]云计算中基于群体智能算法的大数据聚类挖掘[J]. 唐新宇,张新政,赵月爱.  重庆理工大学学报(自然科学). 2019(04)
[3]空间数据库反向最近邻聚类方法[J]. 刘久彪.  吉林大学学报(理学版). 2019(02)
[4]基于时空密度的船载AIS数据聚类分析方法研究[J]. 李永攀,刘正江,郑中义.  重庆交通大学学报(自然科学版). 2018(10)
[5]社交网络环境下基于用户行为分析的个性化推荐服务研究[J]. 王刚,郭雪梅.  情报理论与实践. 2018(08)
[6]基于本体的教育资源语义检索系统研究[J]. 于超,王璐,程道文.  吉林大学学报(信息科学版). 2018(02)
[7]大数据环境下基于信息论的入侵检测数据归一化方法[J]. 宋勇,蔡志平.  武汉大学学报(理学版). 2018(02)
[8]无线传感器网络分布式能量非合作博弈优化技术[J]. 刘连光,潘明明,田世明,吴博.  武汉大学学报(工学版). 2017(03)



本文编号：3075143