白玲玲

(安徽省中共阜阳市党校 教务处，安徽 阜阳 236000)

0 引言

网络已经深入千家万户,随着网络的不断发展,越来越多的不法分子通过攻击网络、传播网络病毒等不正当的恶劣行为来谋取利益。网络时刻面临各种各样的威胁,相比网络入侵、病毒入侵等可以实时监测并使用相关技术预防的威胁行为,散布不法信息、非法获取数据等行为带来的网络潜在威胁,是近年来网络安全研究领域的重点研究方向[1]。

传统的网络威胁检测方法只能从大量的数据流中筛选出异常数据,筛选过程中需要对实验数据进行迭代检测,不仅影响检测效率,还会导致网络潜在威胁检测精度不高。数据挖掘能够按照设定的标准,应用算法快速地搜索大量数据中隐藏的信息[2],还能够对挖掘信息进行自动化分析,做出归纳性的总结,找出数据间的潜在联系,提高数据搜索的效率。网络的快速发展使得网络潜在威胁数据不再是以前的单一类型,异类数据挖掘是在原有的数据挖掘基础上提出的。异类数据挖掘算法能够针对不同类别数据同时进行挖掘,提高了数据搜索的效率。

为此,本文引入了异类挖掘技术,对网络潜在威胁进行检测。为验证本文方法具体效果,设计对比实验,得到了与预测符合的结果,证明了本文方法的有效性。

1 基于异类数据挖掘的网络潜在威胁检测方法

1.1 潜在威胁数据预处理及映射

从庞大的网络中,使用异类数据挖掘获取了网络潜在威胁的相关数据。……