基于CUR矩阵分解的网络异常大数据检测算法

• 作者: 郑美容
• 来源期刊: 黄河科技学院学报
• 学科: 工学
• 关键词: CUR矩阵 异常大数据 小波模极大值 数据特征 残差矩阵
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息工程研究
• 页码范围: 26-30
• 页数: 5页
• 分类号: TU92
• 语种: 中文
• DOI: 10.19576/j.issn.2096-790X.2022.02.006

摘要

大数据通过网络储存与使用信息,若没有相应的安全防护手段,其信息网络内会出现部分异常数据,使用户隐私安全受到威胁,对此提出一种基于CUR矩阵分解的网络异常大数据检测算法,通过二进尺度参数分析数据信号特性,依靠小波模极大值去除数据内干扰噪声,拟定正常区间与观测区间描述数据特征,构建异常大数据检测指标,将大数据转变成二进制表示形式组建邻接矩阵,重构数据获得残差矩阵,以上述两种矩阵和对应参数当作输入,交替更新矩阵,得到数据内残差数值,结合检测指标实现对网络异常大数据的检测.实验证明,所提方法的检测精准度高,在存在白噪声的状况下依然能够成功检测出网络大数据内存在的异常数据,抗干扰性强.