基于Hadoop的大数据平台风险监测系统研究

发布时间：2024-03-14 00:01

　　随着云计算大数据技术的发展,传统的安全监测技术无法满足不间断服务的应用需求。本文所设计系统基于一种检测模型,实现对大数据平台风险进行检测,系统模型可防止主机管理环境下的入侵检测保护系统分布式DDoS攻击。模型设计过程中使用主成分分析和线性判别分析元启发式算法,被称为是Ant Lion优化,通过神经网络实现特征选择,实现对云服务器分类和配置。系统测试结果显示该模型对基于云环境的大数据平台的安全风险预测有较好的性能。

【文章页数】：4 页

【部分图文】：

图4IPS攻击偏差率

图3IDS攻击偏差率

图1分析检测概念模型

2检测模型如图1所示，提出的处理此问题的概念模型旨在将管理程序合成为基于主机的IDPS，该IDPS分析来自数据集的IP并阻止TCP和UDP的DDoS的攻击。基于主机的IDPS在管理程序内部有两个理论阶段，即IDS和IPS模型。IDS模型有五个阶段：未来的提取和流量聚合阶段，利....

图2基于ANN的检测分类器

ALO(输出)的AntLion适用性用于对来自攻击流量的正常流量进行分类。最合适的AntLion获得最高的健身值，ANN前馈神经网络使用AntLion，如图2所示。过滤攻击源可疑IP：在一段时间内(通常是几天，有时几周)生成初始配置文件，称为训练期。基于异常的检测的配置文件....

图3IDS攻击偏差率

大数据应用场景的逐渐增加，安全问题成为应用推广的瓶颈。本文基于两种重要的科学方法和统计程序以及smarm智能算法设计了安全检测模型。使用具有LDA的PCA作为统计程序，并且还提出具有ANN的ALO作为群体智能策略。所提出的模型仅基于IDS，然后在管理程序环境中与IPS集成，从PC....

本文编号：3927764