异构复杂信息网络敏感数据流动态挖掘

• 作者: 吴尽昭 熊菊霞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 异构复杂信息网络 敏感数据流 动态挖掘 散度迭代函数 聚类分析
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 628-633
• 页数: 6页
• 分类号: TP391.1
• 字数: 4235字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.008

摘要

针对异构复杂信息网络中存在高维冗余的敏感数据流,可挖掘数据特征形成概率较低,导致需要多次挖掘、挖掘内存占用高、挖掘精度低、时间长的问题,提出基于最大类间散度的网络敏感数据流动态挖掘方法.将敏感数据的差异最大化间隔作为分类基础,得到网络敏感数据的最大类间散度,在遗传迭代状态下确定最优散度迭代函数,对迭代函数进行挖掘特征优选,得出动态可挖掘特征.对可挖掘特征进行聚类分析,挖掘得到数据隐藏信息模式,并对其进行评价,将合理的信息模式进行知识表示,从而实现异构复杂信息网络敏感数据流动态挖掘.实验结果表明,所提方法可挖掘特征形成概率高达98％,labels标记与实际值较为接近.所提方法挖掘精度高,且运行时间较短、内存占用率低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴尽昭	中国科学院成都计算机应用研究所	23	81	4.0	8.0
7	熊菊霞	中国科学院成都计算机应用研究所	11	3	1.0	1.0