基于高斯朴素贝叶斯的网络安全态势感知技术研究与应用

来源 :计算机时代 | 被引量 : 0次 | 上传用户:ancdtang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网络安全态势感知技术是一种基于环境的、动态的、整体的数据融合方法,可以从宏观角度把数据融合起来,是网络安全强有力的监控技术和保障技术。通过机器学习算法发现数据之间的相关性,可以发现数据之间潜在的联系。高斯朴素贝叶斯是机器学习中较为通用的一种算法,通过对KDDCUP99数据集的训练和测试,得到的模型有效地对网络安全测试数据进行了预测。
其他文献
摘要: 在高维复杂问题上,蜉蝣优化算法存在易陷入局部最优区域且求解精度较差等问题,因而提出基于Logistic映射的蜉蝣优化算法。引入依据Logistic映射的混沌机制,当种群进化停滞时,当前最优蜉蝣通过混沌机制寻找适应度更好的蜉蝣,以激发种群进化能力;建立较劣蜉蝣加速进化机制,激励蜉蝣个体以达到种群寻优要求;采用动态惯性权重均衡算法全局和局部的搜索性能。抽取5个benchmark函数测试算法性能
跨项目缺陷预测旨在解决传统的项目内缺陷预测的历史数据缺失,新项目初期缺乏训练数据等实际问题。然而,在跨项目缺陷预测中,不同项目之间以及实例之间的数据分布差异降低了其预测性能。针对这一问题,提出了基于分层数据筛选的跨项目缺陷预测方法。该方法将训练数据的筛选过程分为项目层筛选和实例层筛选,从源数据集中选出与目标项目数据分布最接近的候选项目集,在候选项目集中选出与目标项目中实例相似度较高的训练数据集,最后在训练数据集上训练朴素贝叶斯模型。在PROMISE数据集进行实验对比。结果表明,与项目内缺陷预测比较,提出的
针对医学图像分辨率低导致视觉效果差的问题,提出一种基于生成对抗网络的医学图像超分辨率重建方法。使用生成对抗网络架构,由生成器重建高分辨率图像,再将生成器生成的高分辨率图像送入判别器判断真伪。通过实验验证了该方法的有效性,在视觉效果和数值结果上都有所提高。
运用SPOC模式与学习通平台相结合方法构建线上网络学习环境,并阐述其主要特性及功能。比较研究线上和线下两种教学方法的利弊,列举了线上线下混合式教学模式在物联网课程中的具体应用。混合式教学方法解决了课堂教学方法存在的问题,增强了师生互动,发挥了学生学习的主观能动性,从而有效地提高了教学质量,达到预期的教学目标。
摘要: 以项目制为主的高校信息化建设手段落后,孤岛林立,缺乏良好的信息生态,导致教育治理发展受限。文章基于云计算、人工智能等前沿技术,建设了一套高校数字化转型解决方案,赋能人才培养模式、教育管理体系和科研建设生态,促使高校的教育治理过程更加精准化、智能化。  关键词: 教育治理; 云计算; 人工智能; 数字化转型  中图分类号:G434;TP3-05 文献标识码:A 文章编号:1006-