等会儿

今天还是有点拉肚子，所以，晚一会儿更新，大概凌晨一点左右吧，到时候重新刷新这一章就行了。

…………

摘要:为了保证网络安全，提出基于大数据分析的网络安全风险挖掘与估计方法，选取Hadoop平台的Map和Reduce函数挖掘网络安全事件关联规则，将所挖掘关联规则作为网络安全事件特征，将网络安全事件特征作为径向基核函数的支持向量机输入，通过训练建立网络安全风险估计模型，并采用QPSO方法的寻优性能搜寻支持向量机最优参数，实验结果表明，该方法提升了网络安全风险估计精度，对于防御网络安全风险具有重要的参考价值。

关键词:大数据分析；网络安全风险；关联规则；支持向量机

1引言

互联网技术发展极为迅速，互联网网络环境具有较高的开放性，部分攻击者利用网络具有的不确定性以及多样性攻击网络，严重威胁网络运行安全[1-2]。以往的网络防御方法仅利用数据包中所包含信息获取风险估计结果，所获取风险估计结果准确率较低。为了保障网络运行安全性，令网络管理者实时明确网络运行状态，提前明确网络安全风险，采用相应的防御措施抵御风险，是保障网络安全运行的重要基础[3-5]。目前众多研究学者针对网络安全风险进行大量研究。韩晓露与何春蓉等人分别利用直觉模湖集以及注意力机制评估网络安全态势[6-7]，但网络安全风险仍存在告警量过大以及由于数据量过大导致误报率较高的缺陷。从海量网络大数据中挖掘有用的网络安全风险数据是网络安全风险精准评估的关键。网络存在攻击行为时，将形成大量众多类型的告警信息，提升数据挖掘难度[8]，高效的大数据挖掘方法对于提升网络安全风险评估精度极为重要。为此本文提出了基于大数据分析的网络安全风险挖掘与估计方法，并对其性能进行了测试与分析。

2大数据分析的网络安全风险挖掘与估计方法

2.1数据挖掘的关联规则提取