关键词:
高密度网络
数据访问
随机风险
预警方法
数据挖掘
摘要:
目前的数据访问随机访问预警方法主要结合历史访问数据对随机风险进行预测,而忽略了随机风险的离散特征,导致风险预警精度较差。对此,提出海量高密度网络数据访问随机风险预警仿真。首先,通过对网络流量数据进行采集,并对访问行为特征描述规则进行定义,实现数据访问行为特征的有效提取。然后,构建风险因素与访问行为特征序列之间的映射关系,对风险因素的相对支持度进行计算,随访问过程中的风险指数进行评估。最后,对随机风险值以及风险离散程度进行求解,对风险评判等级进行构建,针对不同等级的随机风险发送不同的预警信息。在实验中,对提出的方法进行了预警效果的检验。最终的测试结果表明,采用提出的方法对数据访问风险进行预警时,风险评判等级与模拟的风险之间的拟合程度接近100%,具备较为理想的预警效果。