一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

大数据云中心虚拟机资源高效分配应用研究

为降低大数据云中心的能量消耗和实现资源的优化配置,提出一种虚拟机资源高效分配策略。 提出的策略对选定的特征上具备相似性任务分组的聚类进行定义,将各组任务映射到定制化的高效虚拟机类型。其高效指的是以最低限度的资源损耗成功执行任务。虚拟机的相关参数为核数量、内存量和存储量。虚拟机分配基于日志中提取的历史数据,并以任务的使用模式为基础。提出的资源分配策略以任务的实际资源使用量为基础,实现了能源消耗的降低。实验结果表明：不同聚类任务下,提出的虚拟机资源分配策略可以大幅节约能源消耗,具有较低的平均任务拒绝次数。