基于神经网络和大数据的网络安全状况预测系统

在当今的大数据时代,传统方法在处理网络安全问题方面效率低下,而且大多数时候甚至不起作用。 本文研究的系统是在Hadoop平台上设计并实现的基于神经网络的网络安全状况分析与预测系统。 通过收集分布式数据并减小其尺寸,该系统降低了数据复杂性,从而实现了大数据的高效处理。 我们采用优化的K-Means聚类分析算法来简化数据,并利用最佳关联规则挖掘方法来发现网络中存在的威胁和风险。 上一部分是网络安全状况分析。 在网络安全状况分析的基础上,采用基于时间维度的新方法来预测未来的网络安全状况。 该系统通过融合部分预测结果和调整误差,实现了整个网络和自完善神经网络的安全状况预测,从而保证了较高的准确率。 我们获得的实验结果是,我们花费的时间仅为传统方法在相同数量的数据上消耗的时间的12%。 我们可以得出以下结论:1)本文提出的系统可以有效地节省处理大数据的时间。2)随着数据量的增加,该系统不会降低准确率,但可以达到95%的正确率。