计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
3期
153-158
,共6页
僵尸网络%贝叶斯%MapReduce%流量%Hadoop
僵尸網絡%貝葉斯%MapReduce%流量%Hadoop
강시망락%패협사%MapReduce%류량%Hadoop
Botnets%Bayesian%MapReduce%Flow%Hadoop
利用贝叶斯算法检测僵尸网络具有较高的准确性,但僵尸网络具有流量大的特征,同时贝叶斯分类训练阶段需要对大量的网络数据集进行训练,用单一结点来检测僵尸网络将会遇到计算时间和计算资源瓶颈.为此设计了基于MapReduce检测僵尸网络的贝叶斯算法,把贝叶斯算法训练阶段的先验概率、条件概率和检测阶段的后验概率的计算并行化处理.通过大量运行在Hadoop平台上的实验表明,该方法提高了检测僵尸网络的效率.
利用貝葉斯算法檢測僵尸網絡具有較高的準確性,但僵尸網絡具有流量大的特徵,同時貝葉斯分類訓練階段需要對大量的網絡數據集進行訓練,用單一結點來檢測僵尸網絡將會遇到計算時間和計算資源瓶頸.為此設計瞭基于MapReduce檢測僵尸網絡的貝葉斯算法,把貝葉斯算法訓練階段的先驗概率、條件概率和檢測階段的後驗概率的計算併行化處理.通過大量運行在Hadoop平檯上的實驗錶明,該方法提高瞭檢測僵尸網絡的效率.
이용패협사산법검측강시망락구유교고적준학성,단강시망락구유류량대적특정,동시패협사분류훈련계단수요대대량적망락수거집진행훈련,용단일결점래검측강시망락장회우도계산시간화계산자원병경.위차설계료기우MapReduce검측강시망락적패협사산법,파패협사산법훈련계단적선험개솔、조건개솔화검측계단적후험개솔적계산병행화처리.통과대량운행재Hadoop평태상적실험표명,해방법제고료검측강시망락적효솔.
