各式各樣日新月盛的新型應(yīng)用在日常生活中不斷涌現(xiàn),由于目前網(wǎng)絡(luò)安全監(jiān)管機(jī)制并不健全,本文即以光接入網(wǎng)的惡意用戶為研究對(duì)象,通過獲取大量樣本數(shù)據(jù)采集新特征及大數(shù)據(jù)分析,并與傳統(tǒng)特征相結(jié)合,設(shè)定惡意用戶和正常用戶數(shù)據(jù)的特征區(qū)別并采用分類算法對(duì)惡意數(shù)據(jù)進(jìn)行識(shí)別和判斷。實(shí)驗(yàn)結(jié)果表明,本文的檢測(cè)算法與傳統(tǒng)算法相比準(zhǔn)確率更高。 

【文章來源】：電子測(cè)試. 2020,(22)

【文章頁數(shù)】：3 頁

【部分圖文】：

爬蟲采集數(shù)據(jù)流程圖

【參考文獻(xiàn)】：
期刊論文
[1]5G時(shí)代大容量光接入網(wǎng)的安全技術(shù)[J]. 張宏熙.  中興通訊技術(shù). 2019(04)
[2]基于多特征的垃圾微博檢測(cè)方法[J]. 鄒永潘,李偉,王儒敬.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(10)
[3]光接入網(wǎng)的安全技術(shù)研究[J]. 任建勇.  信息網(wǎng)絡(luò)安全. 2009(10)

碩士論文
[1]在線社交網(wǎng)絡(luò)異常用戶的檢測(cè)與控制[D]. 祝祎胤.重慶大學(xué) 2017



本文編號(hào)：3073071