一种面向安全领域的身份识别与关联方法

• 作者: 刘中淼 曹文洁 王宇翔 陶小龙
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 互联网大数据 身份识别 身份关联 HADOOP 安全领域 产业化
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 信息安全
• 页码范围: 170-174
• 页数: 5页
• 分类号: TP309
• 字数: 5949字
• 语种: 中文
• DOI: 10.11907/rjdk.1511305

摘要

大数据蕴藏的巨大商机引发了大数据产业化浪潮,互联网数据以其庞大的数据和简单的获得方式成为了首要分析目标.得益于互联网大数据的发展,安全领域的侦查手段从传统的事后侦查和重点监控,发展到可以进行预防性分析,在某种程度上可避免危害发生.使用互联网数据进行产业化挖掘面临着两个基本问题:多源数据的解析、清洗与整合;互联网身份的实体识别.结合具体安全服务,给出了一种普适的基于M ap Reduce的互联网大数据去冗降噪的统计方法,可大幅降低数据存储空间,并在此基础上流程化地完成互联网虚拟身份识别模型.它能够量化互联网用户身份关系的可靠性和关联稳定性,并结合R语言给出了可视化展示.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹文洁		3	17	2.0	3.0
2	刘中淼		1	3	1.0	1.0
3	王宇翔		1	3	1.0	1.0
4	陶小龙		1	3	1.0	1.0