基于改进模糊C均值算法的网络入侵检测研究

摘要：

近年来,随着大数据技术的快速发展,大数据处理平台迅速兴起.大数据处理平台具有高吞吐量、网络协议多、端口多、数据量大、高并发等特征,借助传统入侵检测技术很难实时监控网络危险.为提高网络入侵检测的准确率和实时性,笔者提出一种改进模糊C均值算法,对分类后的数据集进行训练,使用Kafka技术处理采集的数据,通过Spark Streaming读取网络实时传输的数据流,并对检测到的入侵数据进行实时检测.

关键词：大数据处理平台;模糊C均值算法;Kafka;Spark Streaming

所属期刊栏目：33

分类号：TP311.13(计算技术、计算机技术)

在线出版日期：2022-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：72-74