本文關鍵詞：基于MapReduce檢測僵尸網絡的貝葉斯算法的實現

  更多相關文章： 僵尸網絡 貝葉斯 MapReduce 流量 Hadoop

【摘要】：利用貝葉斯算法檢測僵尸網絡具有較高的準確性,但僵尸網絡具有流量大的特征,同時貝葉斯分類訓練階段需要對大量的網絡數據集進行訓練,用單一結點來檢測僵尸網絡將會遇到計算時間和計算資源瓶頸。為此設計了基于MapReduce檢測僵尸網絡的貝葉斯算法,把貝葉斯算法訓練階段的先驗概率、條件概率和檢測階段的后驗概率的計算并行化處理。通過大量運行在Hadoop平臺上的實驗表明,該方法提高了檢測僵尸網絡的效率。
【作者單位】： 南開大學信息技術科學學院;
【關鍵詞】： 僵尸網絡 貝葉斯 MapReduce 流量 Hadoop
【基金】：天津市重點資助項目(11jczdjc28100) 國家科技支撐計劃資助項目(2012BAF12B00)資助
【分類號】：TP393.08
【正文快照】： 1引言僵尸網絡是攻擊者通過命令與控制信息,控制其已經攻占的計算機。目前主流的僵尸網絡檢測方法是通過分析網絡流量來進行檢測的,已有的僵尸網絡檢測技術有通過昵稱檢測IRC類型[1]的僵尸網絡;通過網絡通信圖來識別P2P網絡[2],但需要利用已知的信息區(qū)分合法P2P網絡與P2P僵尸

【參考文獻】

中國期刊全文數據庫 前6條

1 張鵬;唐世渭;;樸素貝葉斯分類中的隱私保護方法研究[J];計算機學報;2007年08期

2 王威;方濱興;崔翔;;基于終端行為特征的IRC僵尸網絡檢測[J];計算機學報;2009年10期

3 陶永才;薛正元;石磊;;基于MapReduce的貝葉斯垃圾郵件過濾機制[J];計算機應用;2011年09期

4 杜躍進,崔翔;僵尸網絡及其啟發(fā)[J];中國數據通信;2005年05期

5 李曉楨;程佳;胡軍;;基于聚類分析的僵尸網絡識別系統[J];計算機系統應用;2009年08期

6 蔣鴻玲;邵秀麗;;基于神經網絡的僵尸網絡檢測[J];智能系統學報;2013年02期

【共引文獻】

中國期刊全文數據庫 前10條

1 楊奇;何聚厚;;基于異常行為特征的僵尸網絡檢測方法研究[J];電子科技;2010年11期

2 楊輝華;杜玲玲;李靈巧;唐天彪;郭拓;梁瓊麟;王義明;羅國安;;并行MapReduce PLS算法及其在光譜分析中的應用[J];光譜學與光譜分析;2012年09期

3 鄧嬋;;僵尸網絡檢測及防御技術研究[J];計算機光盤軟件與應用;2012年21期

4 倪懿;;聚類分析技術在IRC僵尸網絡檢測系統中的應用[J];計算機光盤軟件與應用;2013年10期

5 郎波;張博宇;;面向大數據的非結構化數據管理平臺關鍵技術[J];信息技術與標準化;2013年10期

6 邵景峰;崔尊民;王進富;白曉波;;大數據下紡織制造執(zhí)行系統的構建[J];紡織器材;2013年06期

7 張亞楠;譚躍生;;基于MapReduce的并行遮蓋文本聚類算法[J];內蒙古科技大學學報;2013年03期

8 周國亮;朱永利;王桂蘭;;CC-MRSJ:Hadoop平臺下緩存敏感的星型聯接算法[J];電信科學;2013年10期

9 胡靖;;探討計算機網絡中的僵尸網絡核心問題[J];電子制作;2013年21期

10 王鵬;黃焱;劉峰;安俊秀;;大數據技術中計算與數據的協作機制[J];成都信息工程學院學報;2014年01期

中國重要會議論文全文數據庫 前2條

1 楊明;任崗;張建偉;;淺談僵尸網絡[A];2006通信理論與技術新進展——第十一屆全國青年通信學術會議論文集[C];2006年

2 周勇林;崔翔;;僵尸網絡的發(fā)現與對策[A];全國網絡與信息安全技術研討會'2005論文集（上冊）[C];2005年

中國博士學位論文全文數據庫 前10條

1 王威;僵尸網絡對抗技術研究[D];哈爾濱工業(yè)大學;2010年

2 李潤恒;大規(guī)模網絡中僵尸網絡分析技術研究[D];國防科學技術大學;2010年

3 李光;分類挖掘中的隱私保護問題研究[D];哈爾濱工業(yè)大學;2011年

4 劉運;DDoS Flooding攻擊檢測技術研究[D];國防科學技術大學;2011年

5 王海龍;僵尸網絡檢測關鍵技術研究[D];國防科學技術大學;2011年

6 張戰(zhàn)成;基于統計學習的協作分類與隱私保護方法及應用研究[D];江南大學;2011年

7 王W，

本文編號：959629