论文部分内容阅读
为了提高大数据平台处理海量数据的性能和准确性,在分析互信息(MI)算法的基础上,设计了基于MI算法的智能化运维系统入侵检测系统.选取UNSW-NB15数据集,以Spark平台进行试验设计并完成测试过程.通过Spark主执行器实现对从节点的控制功能.在入侵检测阶段,分别采用3种机器学习方法进行检测,分别通过试验对比检测率,误报率和精确度.相对于主成分分析(PCA)算法,MI算法可以获得更高的特征提取精度,检测率明显提升,降低了误报率.虽然MI算法具备较高精度,但也因此消耗较长时间.当数据量快速增加后,分布式模型表现出了更短的入侵检测时间.该研究对提高运维系统入侵检测稳定性具有一定的实践指导意义,但在小概率攻击类型中该算法存在导致检测率为零结果,有后续进一步的加强.