论文部分内容阅读
多源异构数据融合的网络安全态势评估研究
【摘 要】
：
随着通信技术的快速发展,互联网的优势日益凸显,极大地促进了社会经济的发展,互联网已经成为人类生活密不可分的一部分。互联网带来诸多便利的同时,人类也将面临新的风险与挑战,各种攻击事件层出不穷,严重地危害社会发展与个人财产安全。单点检测是监测网络攻击的一种常用手段,然而由于其数据源单一,且彼此之间缺乏有效协同机制等弊端,无法有效地应对智能化、复杂化的网络攻击。网络安全态势评估技术由于具有综合分析网络中
【机 构】
：
山西财经大学
【出 处】
：
山西财经大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
数据不平衡问题是目前的研究热点之一,其广泛存在于疾病检测、金融欺诈、入侵检测等众多领域。不平衡数据的主要特点为少数类样本少且难以识别,但往往又具有较高的价值。所以,解决数据不平衡问题应在不影响总体准确率的前提下提高少数类样本的识别率。目前数据不平衡问题的处理方法主要为数据层面方法和算法层面方法,数据层面的欠采样和过采样是有效的不平衡数据处理方法,但单独的欠采样方法易丢失有价值信息,单独的过采样方法
学位
数据分析的一项重要任务是对样本类别进行划分及预测,这就要求有足够的包含代表其类别信息的标签数据来训练学习器,然而数据标注需要耗费巨大的人力物力,大大增加了标记数据的获取成本。相反,无标记数据的获取相对便捷,通过一些简单的信息技术工具就可采集到大量无标记数据。遗憾的是,仅利用无标记数据又会产生对数据分类不精确的问题。因此,人们提出了半监督学习这一技术,通过在少量的标记数据中引入大量无标记数据来降低数
学位