鄭湘輝,張雪冰

(合肥財(cái)經(jīng)職業(yè)學(xué)院 人工智能學(xué)院,安徽 合肥 230601)

互聯(lián)網(wǎng)以及計(jì)算機(jī)技術(shù)的迅猛發(fā)展,使得計(jì)算機(jī)與互聯(lián)網(wǎng)被廣泛應(yīng)用于人們的生活以及工作中,這不僅使計(jì)算機(jī)網(wǎng)絡(luò)中存在的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)不斷增加,也使計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)呈現(xiàn)出多樣化的特征,逐步形成計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流[1-3]。與此同時(shí),計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境的日益復(fù)雜化無疑給各種網(wǎng)絡(luò)攻擊行為提供了可乘之機(jī),各種攻擊類異常數(shù)據(jù)的存在,嚴(yán)重危害計(jì)算機(jī)網(wǎng)絡(luò)安全,若不及時(shí)對其實(shí)施有效挖掘,有效防范其可能帶來的計(jì)算機(jī)網(wǎng)絡(luò)安全風(fēng)險(xiǎn),長此以往,勢必會(huì)對人們的生活以及工作帶來非常不利的影響[4-5]。

針對上述問題,康耀龍等人研究基于樸素貝葉斯的計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘方法[6]、仇媛等人研究的基于長短期記憶網(wǎng)絡(luò)和滑動(dòng)窗口的計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘方法[7]。前者通過重構(gòu)假象空間,計(jì)算網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)向量之間的歐式距離,有效獲取度量策略;通過網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)偏差比計(jì)算以及網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)節(jié)點(diǎn)概率化瞬態(tài)計(jì)算等操作實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘;后者使用LSTM網(wǎng)絡(luò)對計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)實(shí)施有效預(yù)測,并合理求解其與實(shí)際計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)之間存在的差值,之后為各計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)挑選恰當(dāng)?shù)幕瑒?dòng)窗口,對存在于滑動(dòng)窗口某一區(qū)間內(nèi)的全部差值執(zhí)行有效分布建模操作,再依據(jù)各差值的概率分布密度,判別數(shù)據(jù)異常狀況。二者均可實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘,但是當(dāng)待挖掘的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)規(guī)模龐大時(shí),異常數(shù)據(jù)挖掘效果并不理想。

加權(quán)離群分?jǐn)?shù)算法在計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘工作中優(yōu)勢顯著,可較為理想地從計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維度數(shù)據(jù)流數(shù)據(jù)中分離出計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)。為此,本文提出基于加權(quán)離群分?jǐn)?shù)的計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘方法,更好滿足實(shí)際工作需要。

1 計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘方法

1.1 Python網(wǎng)絡(luò)爬蟲計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)采集

能夠從計(jì)算機(jī)網(wǎng)絡(luò)中采集到有效的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)是能夠完成計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘工作的關(guān)鍵[8-9]。鑒于爬蟲技術(shù)在計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)采集工作方面的優(yōu)勢,本文使用基于Python網(wǎng)絡(luò)爬蟲的數(shù)據(jù)采集技術(shù)采集計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù),具體的采集技術(shù)架構(gòu)如圖1所示。

圖1 采集技術(shù)架構(gòu)

在該采集技術(shù)架構(gòu)中,總調(diào)度模塊相當(dāng)于整個(gè)數(shù)據(jù)采集工作的總指揮,它作為爬蟲程序的有效總?cè)肟?其主要職責(zé)是對各個(gè)模塊實(shí)施合理調(diào)度;URL管理器承擔(dān)的主要職責(zé)是負(fù)責(zé)管理全部的URL;頁面下載器的主要職責(zé)是在URL管理器中獲得相應(yīng)的URL以后,利用其所擁有的優(yōu)越下載性能獲取不同格式的URL頁面數(shù)據(jù);頁面解析器承擔(dān)的主要職責(zé)是對從頁面下載器取獲的網(wǎng)絡(luò)數(shù)據(jù)執(zhí)行有效的數(shù)據(jù)處理操作,去除其中的噪聲元素,獲得較為理想的目標(biāo)網(wǎng)絡(luò)數(shù)據(jù);數(shù)據(jù)存儲(chǔ)模塊的主要職責(zé)是對在接收到由頁面解析器發(fā)送過來的相關(guān)網(wǎng)絡(luò)數(shù)據(jù)后,對所獲數(shù)據(jù)實(shí)施分類存儲(chǔ),將結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)分別發(fā)送給相應(yīng)的數(shù)據(jù)庫以及本地硬盤存儲(chǔ),并實(shí)施合理的索引構(gòu)建操作;線程管理模塊的應(yīng)用,主要是能夠使客戶按實(shí)際需求設(shè)置爬取作業(yè)需要的線程數(shù)量,從而顯著提升數(shù)據(jù)采集工作的效率;robots管理器承擔(dān)的主要職責(zé)是對爬取網(wǎng)站當(dāng)中應(yīng)用的robots協(xié)議執(zhí)行有效的下載與更新操作,并按robots協(xié)議相關(guān)描述對爬取地址目錄執(zhí)行合理調(diào)用操作;異常處理模塊是技術(shù)架構(gòu)中所有模塊均接入的模塊,一旦數(shù)據(jù)采集過程發(fā)生異常,便可觸發(fā)異常處理模塊實(shí)施相應(yīng)處理,并將其記錄到相應(yīng)的日志信息庫中,供實(shí)際工作參考。

在實(shí)際的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)采集工作中,采集架構(gòu)中的各模塊由總調(diào)度模塊采用合理的總調(diào)度程序,實(shí)施合理調(diào)度完成相應(yīng)數(shù)據(jù)采集工作[10-11],用戶在確定好將要爬取的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)主題后,構(gòu)建相應(yīng)的數(shù)據(jù)庫,在完成總調(diào)度模塊參數(shù)初始化設(shè)置工作后,總調(diào)度模塊會(huì)在URL管理器中調(diào)用出一個(gè)URL,并啟動(dòng)robots管理器,合理檢驗(yàn)URL目錄結(jié)構(gòu)是否符合相關(guān)規(guī)定,若不符合,需要重新在URL管理器中調(diào)用出一個(gè)URL,若符合,啟動(dòng)頁面下載器,并執(zhí)行數(shù)據(jù)下載工作。若下載過程中出現(xiàn)異常,觸動(dòng)異常處理模塊實(shí)施相應(yīng)處理,若未出現(xiàn)異常,下載工作完畢后,啟動(dòng)頁面解析器實(shí)施有效的數(shù)據(jù)解析操作,辨別所獲數(shù)據(jù)為URL數(shù)據(jù)還是目標(biāo)主題網(wǎng)絡(luò)數(shù)據(jù),若為URL數(shù)據(jù)將其發(fā)送至URL數(shù)據(jù)庫實(shí)施存儲(chǔ),若是目標(biāo)主題網(wǎng)絡(luò)數(shù)據(jù),啟動(dòng)數(shù)據(jù)存儲(chǔ)模塊向相應(yīng)的數(shù)據(jù)庫發(fā)送數(shù)據(jù),存儲(chǔ)完畢后,繼續(xù)執(zhí)行數(shù)據(jù)爬取操作,若處理過程出現(xiàn)異常,同樣觸動(dòng)異常處理模塊實(shí)施相應(yīng)處理。

1.2 計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流數(shù)據(jù)清洗

通常采集到的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)的規(guī)模會(huì)比較龐大,數(shù)據(jù)的維度也會(huì)比較高[12-13],加之受采集環(huán)境以及各種其他因素影響,獲取到的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)中,可能會(huì)包含一些不相關(guān)的,缺失以及錯(cuò)誤的數(shù)據(jù),這無疑會(huì)影響計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘工作的準(zhǔn)確性以及效率。在本文中為收獲較為理想的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘效果,在采集完計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)后,使用基于軟件總線模型的數(shù)據(jù)清洗技術(shù)對其執(zhí)行必要的數(shù)據(jù)清洗操作,具體的數(shù)據(jù)清洗技術(shù)架構(gòu)如圖2所示。

圖2 數(shù)據(jù)清洗技術(shù)架構(gòu)

使用數(shù)據(jù)源包裝器對來自各計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)源的計(jì)算機(jī)網(wǎng)路數(shù)據(jù)流數(shù)據(jù)執(zhí)行有效的數(shù)據(jù)封裝操作,將其轉(zhuǎn)換成符合數(shù)據(jù)清洗總線要求格式的有效數(shù)據(jù),并發(fā)送給數(shù)據(jù)清洗總線,數(shù)據(jù)清洗總線按計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)中包含的信息調(diào)用數(shù)據(jù)清洗組件庫中的相應(yīng)組件,對計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)實(shí)施合理清洗[14-15],清洗完畢后將其重新發(fā)送給數(shù)據(jù)清洗總線,并將其放入清洗結(jié)果集,等待相關(guān)專家明確數(shù)據(jù)無誤后,再放入到相應(yīng)的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)庫中實(shí)施相應(yīng)存儲(chǔ)。

1.3 基于加權(quán)離群分?jǐn)?shù)的異常數(shù)據(jù)挖掘

以往在利用傳統(tǒng)加權(quán)離群分?jǐn)?shù)算法進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模數(shù)據(jù)流異常數(shù)據(jù)挖掘時(shí),若待挖掘的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)存在明顯的樞紐現(xiàn)象時(shí),很難以較快的速度準(zhǔn)確實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘,針對上述問題,本文使用基于樞紐現(xiàn)象與加權(quán)離群分?jǐn)?shù)的離群數(shù)據(jù)挖掘算法完成計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘工作。具體的異常數(shù)據(jù)挖掘流程如下:

(1)對計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)集中的各個(gè)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象執(zhí)行K近鄰查詢操作,獲取各計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i在其他計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象K近鄰列表內(nèi)出現(xiàn)的準(zhǔn)確次數(shù),將該次數(shù)標(biāo)記為Gk(i),并通過對Gk(i)執(zhí)行合理的歸一化操作,求解各計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的離群分?jǐn)?shù)。具體的求解過程用公式(1)可描述。

ai=1÷(1+Gk(i))

(1)

式(1)中,計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的離群分?jǐn)?shù)用ai標(biāo)記。即使是在計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i在其余計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象K近鄰列表內(nèi)出現(xiàn)的準(zhǔn)確次數(shù)為0條件下,式(1)也依然成立。

(2)求解計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的K近鄰數(shù)據(jù)對象離群分?jǐn)?shù)和。具體的求解過程可用公式(2)描述。

aggi=∑j∈GG(k,i)aj

(2)

式(2)中,計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的K近鄰網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象離群分?jǐn)?shù)和用aggi標(biāo)記;j標(biāo)記的是計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的K近鄰;GG(k,i)標(biāo)記的是i的K近鄰列表。

(3)對aggi執(zhí)行有效的加權(quán)操作,獲得加權(quán)后的aggi。通常擁有較大ai的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象,會(huì)擁有較小的Gk(i)值,也就是說此時(shí)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i出現(xiàn)在其K近鄰數(shù)據(jù)列表中的概率為0或者極低。因ai從本質(zhì)上具有一定的離散性能,故對離群的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)以及正常的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)區(qū)分性能并不佳,為顯著提升離群的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)以及正常計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)之間的區(qū)分度,引入K近鄰權(quán)值,對aggi執(zhí)行有效的加權(quán)操作,引入的K近鄰權(quán)值實(shí)質(zhì)上是一種距離信息,該權(quán)值實(shí)際上標(biāo)記的是給定計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象所具有的K近鄰距離與計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)集具有的K近鄰距離平均值之間相除,獲得的有效比值,在本文中用ωi標(biāo)記,其求解過程用公式(3)描述。

ωi=averDisk(i)÷averDisk

(3)

式(3)中,計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的K近鄰距離以及計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)集的K近鄰距離平均值分別用averDisk(i)、averDisk標(biāo)記。

在通過式(3)獲取到ωi后,可將具體的aggi加權(quán)過程用公式(4)描述。

Waggi=aggi×ωi

(4)

式(4)中,Wggi標(biāo)記的是執(zhí)行加權(quán)操作后的aggi;ωi標(biāo)記的是K近鄰權(quán)值。

(4)執(zhí)行區(qū)分度閾值隨機(jī)生成操作,并以所獲閾值為可靠依據(jù)對區(qū)分度比例滿意值實(shí)施有效判別,在本文中將區(qū)分度比例滿意值標(biāo)記為α′,以獲取的α′為數(shù)據(jù)支撐,求解計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象的離群度,各個(gè)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)離群度求解工作完成后,離群度最高的某些計(jì)算機(jī)網(wǎng)路數(shù)據(jù)流數(shù)據(jù)便為離群數(shù)據(jù),即計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)。在明確α′后,計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象的離群度可通過式(5)實(shí)現(xiàn)求解。

cti=(-α′+1)×ai+α′×Waggi

(5)

式(5)中,計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)對象i的離群度用cti標(biāo)記。

1.4 計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)類型識別

根據(jù)上一小節(jié)所闡述的加權(quán)離群算法,能夠有效判別輸入的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)是正常數(shù)據(jù)還是異常數(shù)據(jù),但是卻無法識別出計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)的異常數(shù)據(jù)類型,卷積神經(jīng)網(wǎng)絡(luò)雖具有良好的數(shù)據(jù)分類性能,但不適合大規(guī)模高維數(shù)據(jù)挖掘,但卻可以在高維數(shù)據(jù)規(guī)模較小時(shí),用于完成異常數(shù)據(jù)類型識別工作。為此,在本文中使用卷積神經(jīng)網(wǎng)絡(luò)對經(jīng)加權(quán)離群算法挖掘出的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)實(shí)施異常數(shù)據(jù)類型識別,具體的識別過程如下。

(1)使用基于非負(fù)Tucker3分解的高維數(shù)據(jù)特征提取算法提取計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)特征,獲取計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常特征數(shù)據(jù)。

(2)計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常特征數(shù)據(jù)歸一化。對計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常特征數(shù)據(jù)實(shí)施歸一化的實(shí)質(zhì)就是將具有不同維度的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征值向同區(qū)間實(shí)施合理映射,使各計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征數(shù)據(jù)擁有相同的數(shù)量級[16-17]。以往工作中,通常將計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征數(shù)據(jù)映射到[-1,1]區(qū)間內(nèi),本文為方便后續(xù)計(jì)算,將其映射到區(qū)間[0,1],具體的歸一化過程用公式(6)描述。

(6)

式(6)中,歸一化前的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征數(shù)據(jù)值用φ標(biāo)記;歸一化后的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征數(shù)據(jù)值用φ?標(biāo)記;max、min標(biāo)記的是φ的最高以及最低值。

(3)卷積神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)類型識別模型構(gòu)建。構(gòu)建的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)類型識別模型如圖3所示。

圖3 計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)類型識別模型

在將有效的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常特征數(shù)據(jù)輸入到該模型后,經(jīng)過有效的模型訓(xùn)練,便可輸出較為理想的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)類型。

2 實(shí)驗(yàn)與分析

本文實(shí)驗(yàn)以地處我國H省B市某科技大學(xué)的校園計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境為實(shí)驗(yàn)對象。實(shí)驗(yàn)中所使用的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)主要來自該校用于向?qū)W生以及教職工提供各種服務(wù)的校園網(wǎng)絡(luò),具體包含V01、V03、V05、V07、V09以及V11六個(gè)服務(wù)網(wǎng)絡(luò),應(yīng)用本文方法對該科技大學(xué)校園計(jì)算機(jī)網(wǎng)絡(luò)中存在的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)實(shí)施有效采集,用于實(shí)驗(yàn)研究。選擇該科技大學(xué)校園計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境為實(shí)驗(yàn)對象的原因是其網(wǎng)絡(luò)環(huán)境相對比較簡單、安全,很少發(fā)生網(wǎng)絡(luò)攻擊行為,網(wǎng)絡(luò)中幾乎無異常數(shù)據(jù)存在,即使有也是很難被檢測出來的,完全可以忽略不計(jì),因而在某一時(shí)段向其加入若干攻擊數(shù)據(jù)后,應(yīng)用本文方法對其實(shí)施合理挖掘,可很好驗(yàn)證本文方法有效性。

本文在V01、V03、V05、V07、V09以及V11六個(gè)校園服務(wù)網(wǎng)絡(luò)的部分主機(jī)上執(zhí)行攻擊模擬操作,向各校園服務(wù)網(wǎng)絡(luò)中加入不同攻擊類型異常數(shù)據(jù),計(jì)算機(jī)網(wǎng)絡(luò)異常數(shù)據(jù)加入情況如表1所示。

表1 計(jì)算機(jī)網(wǎng)絡(luò)異常數(shù)據(jù)加入情況 單位:個(gè)

應(yīng)用本文方法對加入不同類型攻擊異常數(shù)據(jù)后的校園計(jì)算機(jī)網(wǎng)絡(luò),實(shí)施有效異常數(shù)據(jù)挖掘,獲得計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘結(jié)果如表2所示。

表2 計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)挖掘結(jié)果

由表2可以看出,應(yīng)用本文方法可以實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘,根據(jù)挖掘結(jié)果積極采取措施對計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境實(shí)施相關(guān)保護(hù),可有效保障計(jì)算機(jī)網(wǎng)絡(luò)安全穩(wěn)定運(yùn)行。

應(yīng)用本文方法對該高校計(jì)算機(jī)網(wǎng)絡(luò)實(shí)施計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)異常挖掘,獲得的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)異常狀況挖掘效果如表3所示。在2022年3月29日6:00到12:00,應(yīng)用本文方法對該高校計(jì)算機(jī)網(wǎng)絡(luò)實(shí)施計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)異常挖掘獲得的異常數(shù)據(jù)類型挖掘效果如圖4所示。

表3 計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流數(shù)據(jù)異常狀況挖掘效果 單位:個(gè)

由表3與圖4可知,本文方法在計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘工作方面具有較高的挖掘準(zhǔn)確性,將其應(yīng)用于實(shí)際工作,能夠更好保障計(jì)算機(jī)網(wǎng)絡(luò)安全。

3 結(jié)論

應(yīng)用本文方法可以實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘,并且數(shù)據(jù)挖掘效果較好。其在計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘工作方面的有效性主要體現(xiàn)在:應(yīng)用本文方法可以實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)挖掘,并且可將計(jì)算機(jī)網(wǎng)絡(luò)中存在的大規(guī)模高維數(shù)據(jù)流異常數(shù)據(jù)全部挖掘出來,挖掘出的計(jì)算機(jī)網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)類型與實(shí)際異常數(shù)據(jù)類型完全一致,將其應(yīng)用于實(shí)際工作,可收獲較為理想的工作效果。