為了提高多數(shù)據(jù)流融合異常檢測(cè)能力,保障網(wǎng)絡(luò)數(shù)據(jù)的安全性,提出基于布谷鳥搜索算法（Cuckoo Search,CS）和空間間隔采樣的分布式卷積神經(jīng)網(wǎng)絡(luò)的多數(shù)據(jù)流融合異常檢測(cè)方法.根據(jù)多數(shù)據(jù)流融合異常檢測(cè)特征進(jìn)行網(wǎng)絡(luò)用戶的瀏覽信息特征檢測(cè),建立多數(shù)據(jù)流融合的特征提取模型,構(gòu)建反映網(wǎng)絡(luò)安全等級(jí)的多數(shù)據(jù)流融合量化特征分析模型,采用空間欠采樣技術(shù)進(jìn)行多數(shù)據(jù)流非線性特征重組,提取多數(shù)據(jù)流融合異常檢測(cè)的統(tǒng)計(jì)特征量,根據(jù)多數(shù)據(jù)流融合異常分布狀態(tài)實(shí)現(xiàn)特征檢測(cè)和識(shí)別,結(jié)合布谷鳥搜索算法進(jìn)行多數(shù)據(jù)流融合異常檢測(cè)中的自適應(yīng)尋優(yōu).仿真結(jié)果表明,采用該方法進(jìn)行分布式卷積神經(jīng)網(wǎng)絡(luò)多數(shù)據(jù)流融合異常檢測(cè)的準(zhǔn)確性較高,檢測(cè)概率較高,抗干擾能力較強(qiáng),提高了網(wǎng)絡(luò)的安全性. 

【文章來源】：內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,35(03)

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)Markov過程的異構(gòu)無線網(wǎng)絡(luò)垂直切換算法[J]. 閆麗,高婷.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2019(03)
[2]云計(jì)算中基于群體智能算法的大數(shù)據(jù)聚類挖掘[J]. 唐新宇,張新政,趙月愛.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(04)
[3]空間數(shù)據(jù)庫反向最近鄰聚類方法[J]. 劉久彪.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2019(02)
[4]基于時(shí)空密度的船載AIS數(shù)據(jù)聚類分析方法研究[J]. 李永攀,劉正江,鄭中義.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(10)
[5]社交網(wǎng)絡(luò)環(huán)境下基于用戶行為分析的個(gè)性化推薦服務(wù)研究[J]. 王剛,郭雪梅.  情報(bào)理論與實(shí)踐. 2018(08)
[6]基于本體的教育資源語義檢索系統(tǒng)研究[J]. 于超,王璐,程道文.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(02)
[7]大數(shù)據(jù)環(huán)境下基于信息論的入侵檢測(cè)數(shù)據(jù)歸一化方法[J]. 宋勇,蔡志平.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2018(02)
[8]無線傳感器網(wǎng)絡(luò)分布式能量非合作博弈優(yōu)化技術(shù)[J]. 劉連光,潘明明,田世明,吳博.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2017(03)



本文編號(hào)：3075143