论文部分内容阅读
为了提高网络大数据的安全性能,进行Web入侵风险预测,提出基于非平稳性盲源分离的大数据的Web入侵检测模型进行风险预测估计。构建大数据的Web入侵信息测量模型,对Web大数据信息流进行二维信号拟合,采用非平稳性高斯独立平均统计量进行入侵信息判别,实现Web入侵风险预测模型改进设计。仿真结果表明,采用该方法进行大数据的Web入侵检测的准确检测概率较高,风险预测的精度高于传统模型。