【摘要】：大數(shù)據(jù)下對虛假無效數(shù)據(jù)進行優(yōu)化識別,可有效過濾虛假信息,提高基礎(chǔ)數(shù)據(jù)的安全性。對虛假無效信息的識別,首先需要獲得數(shù)據(jù)全部類型,并進行規(guī)則參數(shù)優(yōu)化,完成對虛假無效信息的優(yōu)化識別。傳統(tǒng)方法將虛假無效數(shù)據(jù)設(shè)定在一個簇內(nèi),同時引入信任管理機制來識別節(jié)點,但忽略了先將無效數(shù)據(jù)進行分類,導(dǎo)致識別精度偏低。提出基于聚類規(guī)則的大數(shù)據(jù)下虛假無效數(shù)據(jù)識別方法。首先對大數(shù)據(jù)下的運行數(shù)據(jù)樣本進行歸一化處理,對虛假無效數(shù)據(jù)進行聚類,獲得虛假無效數(shù)據(jù)的全部類型,依據(jù)識別規(guī)則庫,選用能夠處理高維數(shù)據(jù)的支持向量數(shù)據(jù)描述算法進行規(guī)則參數(shù)優(yōu)化,采用增減式在線訓(xùn)練算法對虛假無效數(shù)據(jù)分類器進行不斷訓(xùn)練,最終獲得較為精確的虛假無效數(shù)據(jù)識別模型。仿真證明,所提方法能更快速準(zhǔn)確地識別出虛假無效數(shù)據(jù),有效減少了訓(xùn)練成本。
【圖文】：

圖1在CDM數(shù)據(jù)集下不同方法的假陽性率曲線圖2在CMM數(shù)據(jù)集下不同方法的假陽性率曲線圖3給出3種不同方法在CMM數(shù)據(jù)集下的運行時間(s)對比結(jié)果。圖3不同方法虛假無效數(shù)據(jù)識別運行時間分析圖3可知，所提方法進行虛假無效數(shù)據(jù)識別運行時間短于基于小波變換的識別方法和基于數(shù)據(jù)挖掘的識別方法，這主要是因為所提方法通過對大數(shù)據(jù)下的運行數(shù)據(jù)樣本進行歸一化處理，采用聚類算法對虛假無效數(shù)據(jù)進行聚類，同時選用能夠處理高維數(shù)據(jù)、泛化能力強的支持向量數(shù)據(jù)描述算法進行規(guī)則參數(shù)優(yōu)化，從而保障了所提方法進行虛假無效數(shù)據(jù)識別的時效性。5結(jié)束語針對當(dāng)前方法主要是依據(jù)測量數(shù)據(jù)進行識別，當(dāng)虛假無效數(shù)據(jù)類型較為復(fù)雜時，不但要增加識別手段，同時還增加了運算量，，降低了虛假無效數(shù)據(jù)的識別效率。為此，提出一種基于聚類規(guī)則的大數(shù)據(jù)下虛假無效數(shù)據(jù)識別方法。仿真證明，所提方法能更快速準(zhǔn)確地識別出虛假無效數(shù)據(jù)，有效減少了訓(xùn)練成本。參考文獻(xiàn):［1］謝柏林，等．基于把關(guān)人行為的微博虛假信息及早檢測方法［J］．計算機學(xué)報，2016，39(4):730－744．［2］劉華富，劉志雄，黎梨苗．適用于虛假數(shù)據(jù)過濾的最優(yōu)傳感器覆蓋研究［J］．計算機應(yīng)用研究，2016，33(10):3147－3150．［3］李鑫濱，等．基于防偽碼鑒定機制的數(shù)據(jù)偽造攻擊檢測方法［J］．計算機工程，2016，42(8):112－116．［4］丁智國，莫毓昌，楊凡．一種新的在線流數(shù)據(jù)異常檢測方法［J］．計算機科學(xué)，2016，43(10):63－65．［5］馬海峰，等．一種層次式遠(yuǎn)程數(shù)據(jù)持有檢測方法［J］．計算機科學(xué)，2017，44(3):55－58．［6］蔡美，劉波．基于蟻群算法的異常數(shù)據(jù)檢測方法［J］．計算機工程，2016，42(8):166－169．［7］段大高，等．基于微博評論的虛假消息檢測模型［J］．計算

圖1在CDM數(shù)據(jù)集下不同方法的假陽性率曲線圖2在CMM數(shù)據(jù)集下不同方法的假陽性率曲線圖3給出3種不同方法在CMM數(shù)據(jù)集下的運行時間(s)對比結(jié)果。圖3不同方法虛假無效數(shù)據(jù)識別運行時間分析圖3可知，所提方法進行虛假無效數(shù)據(jù)識別運行時間短于基于小波變換的識別方法和基于數(shù)據(jù)挖掘的識別方法，這主要是因為所提方法通過對大數(shù)據(jù)下的運行數(shù)據(jù)樣本進行歸一化處理，采用聚類算法對虛假無效數(shù)據(jù)進行聚類，同時選用能夠處理高維數(shù)據(jù)、泛化能力強的支持向量數(shù)據(jù)描述算法進行規(guī)則參數(shù)優(yōu)化，從而保障了所提方法進行虛假無效數(shù)據(jù)識別的時效性。5結(jié)束語針對當(dāng)前方法主要是依據(jù)測量數(shù)據(jù)進行識別，當(dāng)虛假無效數(shù)據(jù)類型較為復(fù)雜時，不但要增加識別手段，同時還增加了運算量，降低了虛假無效數(shù)據(jù)的識別效率。為此，提出一種基于聚類規(guī)則的大數(shù)據(jù)下虛假無效數(shù)據(jù)識別方法。仿真證明，所提方法能更快速準(zhǔn)確地識別出虛假無效數(shù)據(jù)，有效減少了訓(xùn)練成本。參考文獻(xiàn):［1］謝柏林，等．基于把關(guān)人行為的微博虛假信息及早檢測方法［J］．計算機學(xué)報，2016，39(4):730－744．［2］劉華富，劉志雄，黎梨苗．適用于虛假數(shù)據(jù)過濾的最優(yōu)傳感器覆蓋研究［J］．計算機應(yīng)用研究，2016，33(10):3147－3150．［3］李鑫濱，等．基于防偽碼鑒定機制的數(shù)據(jù)偽造攻擊檢測方法［J］．計算機工程，2016，42(8):112－116．［4］丁智國，莫毓昌，楊凡．一種新的在線流數(shù)據(jù)異常檢測方法［J］．計算機科學(xué)，2016，43(10):63－65．［5］馬海峰，等．一種層次式遠(yuǎn)程數(shù)據(jù)持有檢測方法［J］．計算機科學(xué)，2017，44(3):55－58．［6］蔡美，劉波．基于蟻群算法的異常數(shù)據(jù)檢測方法［J］．計算機工程，2016，42(8):166－169．［7］段大高，等．基于微博評論的虛假消息檢測模型［J］．計算

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙偉;郭軍;;大數(shù)據(jù)——我該用怎樣的戰(zhàn)略眼光看待你[J];中國新通信;2014年12期

2 趙建偉;;大數(shù)據(jù)初探[J];科技資訊;2013年20期

3 桑慶兵;;大數(shù)據(jù)在高校的應(yīng)用與思考[J];南通紡織職業(yè)技術(shù)學(xué)院學(xué)報;2013年02期

4 張心源;李白楊;;大數(shù)據(jù)的概念、技術(shù)及應(yīng)用[J];創(chuàng)新科技;2013年09期

5 魏偉;;銀行業(yè)應(yīng)對互聯(lián)網(wǎng)金融挑戰(zhàn)的策略初探——基于大數(shù)據(jù)背景下的思考[J];福建金融;2014年07期

6 王堯;;基于大數(shù)據(jù)的數(shù)據(jù)處理方法研究分析[J];數(shù)字技術(shù)與應(yīng)用;2014年06期

7 馬糧;;數(shù)據(jù)素質(zhì)[J];科學(xué)時代;2002年15期

8 郭亞軍;;大數(shù)據(jù)時代數(shù)字出版服務(wù)模式變革研究[J];經(jīng)濟研究導(dǎo)刊;2014年04期

9 謝添;湯浩;;數(shù)據(jù)大爆炸時代已經(jīng)到來[J];才智;2013年03期

10 楊超;曹順良;;基于重疊窗的稀疏評價數(shù)據(jù)計算方法[J];計算機應(yīng)用與軟件;2010年10期

相關(guān)重要報紙文章 前3條

1 [英]維克托·邁爾·舍恩伯格 肯尼思·庫克耶 趙紀(jì)萍 編譯;“大數(shù)據(jù)”悄然改變世界[N];社會科學(xué)報;2013年

2 解明明;用好大數(shù)據(jù)須強調(diào)統(tǒng)計思維[N];中國信息報;2014年

3 中國科學(xué)院院士 懷進鵬;大數(shù)據(jù)對互聯(lián)網(wǎng)的新挑戰(zhàn)[N];中國信息化周報;2013年

相關(guān)博士學(xué)位論文 前1條

1 趙博;基于大數(shù)據(jù)的戰(zhàn)略預(yù)見研究[D];中共中央黨校;2016年

相關(guān)碩士學(xué)位論文 前7條

1 周亮;海量數(shù)據(jù)的高效近似近鄰查詢研究[D];大連海事大學(xué);2016年

2 李亞錦;基于相關(guān)關(guān)系識別的預(yù)警算法與應(yīng)用[D];山東大學(xué);2015年

3 何曉星;中醫(yī)藥個體化診療數(shù)據(jù)挖掘算法的研究與應(yīng)用[D];清華大學(xué);2006年

4 劉列;北京市高中會考數(shù)據(jù)挖掘系統(tǒng)設(shè)計與實施[D];北京郵電大學(xué);2008年

5 楊峰;基于決策樹學(xué)習(xí)和規(guī)則提取的熱軋數(shù)據(jù)分析[D];武漢科技大學(xué);2009年

6 高颯;一般分布區(qū)間型符號數(shù)據(jù)的聚類分析方法研究[D];天津大學(xué);2009年

7 黃顯華;轉(zhuǎn)子振動信號特征數(shù)據(jù)庫架構(gòu)方法研究[D];蘭州理工大學(xué);2011年

本文編號：2590971