...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Embedded Systems >Design and application of real-time network abnormal traffic detection system based on Spark Streaming
【24h】

Design and application of real-time network abnormal traffic detection system based on Spark Streaming

机译：基于火花流的实时网络异常交通检测系统的设计与应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In order to realise the rapid analysis and identification of abnormal traffic in real-time networks, a distributed real-time network abnormal traffic detection system (DRNATDS) was designed, which could effectively analyse abnormal network traffic. DRNATDS provided effective real-time big data analysis platform and guaranteed network security. The paper proposes K-means algorithm based on relative density and distance, integrated with Spark Streaming and Kafka. It could effectively detect various network attacks under real-time data stream. The experimental results show that DRNATDS has good high availability and stability. Compared to other algorithms, K-means algorithm based on relative density and distance could more effectively identify abnormal network traffic and improve the recognition rate.
机译：为了实现实时网络中异常流量的快速分析和识别，设计了一种分布式实时网络异常交通检测系统（DRNATDS），可以有效地分析异常网络流量。 Drnatds提供了有效的实时大数据分析平台和保证网络安全性。 本文提出了基于相对密度和距离的K均值算法，与火花流和Kafka集成。 它可以在实时数据流下有效地检测各种网络攻击。 实验结果表明，Drnatds具有良好的高可用性和稳定性。 与其他算法相比，基于相对密度和距离的K均值算法可以更有效地识别异常网络流量并提高识别率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号