為了提高多數(shù)據(jù)流融合異常檢測能力,保障網絡數(shù)據(jù)的安全性,提出基于布谷鳥搜索算法（Cuckoo Search,CS）和空間間隔采樣的分布式卷積神經網絡的多數(shù)據(jù)流融合異常檢測方法.根據(jù)多數(shù)據(jù)流融合異常檢測特征進行網絡用戶的瀏覽信息特征檢測,建立多數(shù)據(jù)流融合的特征提取模型,構建反映網絡安全等級的多數(shù)據(jù)流融合量化特征分析模型,采用空間欠采樣技術進行多數(shù)據(jù)流非線性特征重組,提取多數(shù)據(jù)流融合異常檢測的統(tǒng)計特征量,根據(jù)多數(shù)據(jù)流融合異常分布狀態(tài)實現(xiàn)特征檢測和識別,結合布谷鳥搜索算法進行多數(shù)據(jù)流融合異常檢測中的自適應尋優(yōu).仿真結果表明,采用該方法進行分布式卷積神經網絡多數(shù)據(jù)流融合異常檢測的準確性較高,檢測概率較高,抗干擾能力較強,提高了網絡的安全性. 

【文章來源】：內蒙古民族大學學報(自然科學版). 2020,35(03)

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]改進Markov過程的異構無線網絡垂直切換算法[J]. 閆麗,高婷.  吉林大學學報(理學版). 2019(03)
[2]云計算中基于群體智能算法的大數(shù)據(jù)聚類挖掘[J]. 唐新宇,張新政,趙月愛.  重慶理工大學學報(自然科學). 2019(04)
[3]空間數(shù)據(jù)庫反向最近鄰聚類方法[J]. 劉久彪.  吉林大學學報(理學版). 2019(02)
[4]基于時空密度的船載AIS數(shù)據(jù)聚類分析方法研究[J]. 李永攀,劉正江,鄭中義.  重慶交通大學學報(自然科學版). 2018(10)
[5]社交網絡環(huán)境下基于用戶行為分析的個性化推薦服務研究[J]. 王剛,郭雪梅.  情報理論與實踐. 2018(08)
[6]基于本體的教育資源語義檢索系統(tǒng)研究[J]. 于超,王璐,程道文.  吉林大學學報(信息科學版). 2018(02)
[7]大數(shù)據(jù)環(huán)境下基于信息論的入侵檢測數(shù)據(jù)歸一化方法[J]. 宋勇,蔡志平.  武漢大學學報(理學版). 2018(02)
[8]無線傳感器網絡分布式能量非合作博弈優(yōu)化技術[J]. 劉連光,潘明明,田世明,吳博.  武漢大學學報(工學版). 2017(03)



本文編號：3075143