摘要：随着网络高级持续威胁为主的犯罪活动逐渐增加,使得云计算环境下的高级持续威胁数据检测,具有高纬度、非线性等特征,导致传统基于PSO辨识树的高级持续威胁数据挖掘过程中,采用的数据主元特征以及关联特征存在显著的波动,无法获取准确的数据挖掘结果.提出了一种基于改进流形学习算法的云计算下高级持续威胁数据挖据模型,使用非线性流形学习算法,降低云计算下高级持续威胁数据向量特征的维数,通过特征提取模块对高级持续威胁数据进行预处理,采用改进经典流形学习算法,加大样本散布密集区域高级持续威胁数据间的距离,缩短样本散布稀疏区域样本间的距离,促使云计算下高级持续威胁数据样本库的整体分布均匀化,实现云计算环境下高级持续威胁数据的准确挖掘.实验结果说明,所提方法能够准确挖掘出云计算环境下的高级持续威胁数据,具有较高的挖掘效率和精度.

原文链接:http://www.cqvip.com/QK/98133A/201406/663000864.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）