等儿更新
今点拉肚，，晚儿更新，概凌晨点左右吧，候重新刷新章。
【推荐，野果阅读追书真，载 快试试吧。】
…………
摘:保证网络安全，提基数据分析网络安全风险挖掘与估计方法，选取Hadoop平台MapReduce函数挖掘网络安全件关联规则，将挖掘关联规则网络安全件特征，将网络安全件特征径向基核函数支持向量机输入，通训练建立网络安全风险估计模型，并采QPSO方法寻优性搜寻支持向量机优参数，实验结果表明，该方法提升网络安全风险估计精度，防御网络安全风险具重参考价值。
关键词:数据分析；网络安全风险；关联规则；支持向量机
1引言
互联网技术展极迅速，互联网网络环境具较高放性，部分攻击者利网络具确定性及性攻击网络，严重威胁网络运安全[1-2]。往网络防御方法仅利数据包包含信息获取风险估计结果，获取风险估计结果准确率较低。保障网络运安全性，令网络管理者实明确网络运状态，提明确网络安全风险，采相应防御措施抵御风险，保障网络安全运重基础[3-5]。目众研究者针网络安全风险进量研究。韩晓露与何春蓉等分别利直觉模湖集及注力机制评估网络安全态势[6-7]，网络安全风险仍存告警量及由数据量导致误报率较高缺陷。海量网络数据挖掘网络安全风险数据网络安全风险精准评估关键。网络存攻击，将形量众类型告警信息，提升数据挖掘难度[8]，高效数据挖掘方法提升网络安全风险评估精度极重。此本文提基数据分析网络安全风险挖掘与估计方法，并其性进测试与分析。
2数据分析网络安全风险挖掘与估计方法
2.1数据挖掘关联规则提取
采集海量网络数据安全件，由采集网络安全件格式存较差异，需归化处理安全件，便挖掘其包含关联规则。利挖掘关联规则分析网络安全风险相似病毒[9]，相似漏洞等攻击，提升网络安全风险评估精度。利数据分析技术数据挖掘方法提取网络安全件关联规则。n}表示安全件元素集合，R={r1，r2，…，rn}表示数据集，数据集R包含元素ri均由W建立集合，即存riW。定义1：利集合R内元素建立集合C，数据集内元素满足Cri求数量l，数据集R内集合C支持度计算公式：(1)(1)定义2：存集合IDW，利表示C→D置信度。挖掘数据集合内满足置信度及支持度C→D即数据挖掘方法需挖掘关联规则。关联规则通挖掘务集内频繁项集合，获取务与务间存关联规则。网络安全件具规模量极特点[10]，选取云计算平台Hadoop平台实海量网络安全件关联规则挖掘。数据分析技术挖掘关联规则分两部分：(1)挖掘频繁项集，挖掘频繁项集应满足支持度；(2)利数据挖掘获取频繁项集挖掘满足置信度条件关联规则。Hadoop平台利Map函数及Reduce函数获取项目集集及综合已获取集支持度，通分析全部集支持度获取挖掘网络安全件频繁项支持度，挖掘网络安全件数据集包含频繁项集。Hadoop平台挖掘关联规则程:将支持度β及原始网络安全件数据集RHadoop平台运算输入；将满足支持度频繁项Hadoop平台运算输。Map任务：(1)依据输入文件路径利支持度频繁项集分割原始网络安全数据集n数据集，格式化处理分割各集，获取键值，其value与key分别表示数据信息及字符偏移量。(2)将获取集键值依据Map函数读取，将数据信息value利split函数解析，将解析结果传送至集合内；(3)利输key表示全部集，设集value值等1；(4)调全部选bin函数，全部Map端网络安全数据相key值键值，通bin函数合并全部相键值，改善通网络将获取键值送至Reduce端造运算效率低缺陷；Reduce任务：(1)排序bin函数送键值，合并相key值键值，获取，获取键值利Re-duce函数读取，累加键值L()内值。网络安全数据集R内key集合支持数量，获取结果即Reduce端具频繁候选项集全局支持度；(2)将高支持度候选项集基支持度送至存储数据外部表内，利获取外部表查询挖掘获取频繁项集，设置该频繁项MapReduce程序输入及输入相关文件。将置信度δ及满足置信度δ关联规则分别挖掘网络安全件关联规则输入与输，运算程：(1)选取Map函数启setup法连接数据库；(2)分割存储数据建立外部表内频繁项集，完分割获取数量n数据集，将全部数据格式化处理至键值；(3)解析value内频繁项集内元素，完解析获取相应value值(C，D，SValue)表示，将获取(C，D)存储至集合；(4)求解频繁项集内元素集C，读取元素集C支持度sup(C)，利表示C→D置信度。(5)获取置信度高已设定阈值，获取频繁项集内部包含该集外全部元素与该集存关联规则，利获取差集与集建立key值，该key值置信度值即value。通程挖掘网络安全件关联规则，利支持向量机方法基挖掘关联规则实网络安全风险估计。
2.2网络安全风险估计方法
将挖掘关联规则网络安全件特征，利挖掘关联规则估计网络安全风险。利本输入xi及本输yi组(xi，yi)表示网络安全件训练本集，该本集满足xiRn，yiRn。网络安全件本集(xi，yi)内网络安全件本利非线性映射函数φ()映射至高维特征空间内，网络安全件评估优线性回归函数表达式：(2)式，b与w分别表示偏置量及权值。利结构风险化原则获取LSSVM回归模型解，公式：(3)(4)式，ei与C分别表示回归函数与实际结果误差及惩罚函数。将公式(4)约束优化问题引入拉格朗乘公式：(5)式，ai表示拉格朗乘。依据Mercer条件定义核函数公式：(6)选取径向基核函数设置网络安全风险估计核函数，径向基核函数表达式：(7)获取终支持向量机回归模型：(8)式，σ径向基核函数宽度。支持向量机参数决定其估计精度，选取合适参数助提升网络安全风险估计精度。选取QPSO算法支持向量机参数寻优。QPSO算法设置存数量m粒维度D搜索空间内，粒原始位置xi(xi1，xi2，…，xid)表示，PB(pb1，pb2，…，pbd)表示优位置，GB(bg1，bg2，…，bgd)表示全局优位置。粒进化表达式：(8)式，mbest与β分别表示粒群内优粒值及算法收敛速度。迭代次数t，算法收敛速度计算公式：(9)网络安全风险评估程：(1)依据网络安全风险评估规模设置粒群内粒数量，粒群内粒维度分别表示估计网络安全风险支持向量机参数C与σ。(2)设置优化支持向量机参数粒群算法参数及迭代次数；(3)获取粒适应度函数；(4)计算粒优体位置及全局优位置，建立网络安全信息库；(5)更新粒群内各粒位置；(6)依据程重复迭代计算，判断否满足终止条件，满足终止条件，转至步骤(7)，否则转回至步骤(3)；(7)将通程获取优粒支持向量机参数，完网络安全风险估计模型建立，利建立网络安全风险估计模型获取网络安全风险估计结果。
3实例分析
选取某通信网络运间60min通信数据测试象，共采集本数据5846544条，采本文方法评估网络安全风险。选取直觉模湖集方法(参考文献[6])及注力机制方法(参考文献[7])比方法。本文方法采数据分析技术挖掘海量网络通信数据间存关联规则，统计置信度及支持度挖掘关联规则数量，统计结果图1示。图1实验结果，置信度及支持度分别0.7及0.3，挖掘数量较关联规则，设置采本文方法挖掘海量网络数据，β值及б值分别0.7及0.3。本文方法具较高关联规则挖掘性，应海量网络通信数据，仍具较高挖掘效率。完关联规则挖掘，利QPSO算法寻优性获取支持向量机优参数，QPSO算法迭代次数收敛况图2示。图2实验结果，本文方法采QP-SO算法寻找支持向量机评估网络安全风险优参数，仅需40次左右迭代次数即快速获取优支持向量机参数。本文方法选取QPSO算法具较高寻优效率，较短间内快速获取支持向量机优参数，提升网络安全风险估计性。通QPSO算法获取支持向量机算法优参数C=130，σ=135。采QPSO算法获取支持向量机优参数建立网络安全风险评估模型，采建立安全风险评估模型评估网络运5h安全风险件数量，将本文方法与另两方法比，比结果图3示。图3实验结果，采本文方法评估网络安全风险结果与实际网络安全风险结果极接近，波趋势具较高吻合性。比结果明本文方法效预测网络安全风险，预测结果极靠，网络管理员管理网络安全效依据。经次测试，比三方法网络安全风险评估性，比结果图4示。图4实验结果，采本文方法评估网络安全风险，效改善需历史数据较、缺失数据较敏感等缺陷，应网络安全风险评估具较高靠性。采本文方法评估测试网络20201月37:00-24:00共17安全风险况见表1。针表1给实验网络安全件况表，采本文方法其风险件攻击类型进评估，结果见表2。分析表2，本文方法评估安全风险件，效确定网络安全风险件具体攻击，验证本文方法具较高安全风险件评估效性。
4结束语
网络安全风险估计目网络安全防御体系重部分。伴随网络数据量提升，网络安全风险估计提更高求。充分考虑网络运程攻击形势，将数据分析技术应网络安全风险估计，利数据分析技术具处理海量数据优势，充分挖掘网络安全件存关联规则，估计网络安全风险。通实验验证研究方法实网络安全风险效估计，保障海量数据运环境网络安全效防护。