基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文在Spark平台上采用基于RDD的聚类模型对网络流量异常进行检测.在Spark的集群环境下,通过对比测试准确率、WCSS发现,k-means++聚类模型比BisectingKMeans模型更加适合对网络流量进行检测.该实验结果对从事网络流量异常的检测的研究者有一定的借鉴作用.
推荐文章
基于层叠模型的网络流量异常检测方法
异常检测
层叠模型
小波变换模极大
基于深度学习的网络流量异常检测方法
网络安全
流量异常
流量检测
深度学习
基于时间序列分析的网络流量异常检测
网络系统
流量异常检测
灰色模型
小波分析
大数据环境下的网络流量异常检测研究
网络安全
流量异常检测
HDOOP平台
最小二乘支持向量机
大数据环境
检测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Spark框架下聚类模型在网络流量异常检测中的应用
来源期刊 网络安全技术与应用 学科
关键词 网络流量检测 Spark k-means++ BisectingKMeans
年,卷(期) 2017,(5) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 62-63
页数 2页 分类号
字数 3057字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 肖衡 三亚学院信息与智能工程学院 32 36 4.0 4.0
2 周显春 三亚学院信息与智能工程学院 29 56 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (71)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (9)
二级引证文献  (4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(7)
  • 参考文献(3)
  • 二级参考文献(4)
2015(10)
  • 参考文献(5)
  • 二级参考文献(5)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
网络流量检测
Spark
k-means++
BisectingKMeans
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导