计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 366-371.doi: 10.11896/j.issn.1002-137X.2017.6A.083
金鑫,李龙威,苏国华,刘晓蕾,季佳男
JIN Xin, LI Long-wei, SU Guo-hua, LIU Xiao-lei and JI Jia-nan
摘要: 随着电力通信网络规模的不断扩大,电力通信网络不间断地产生海量通信数据。同时,对通信网络的攻击手段也在不断进化,给电力通信网络的安全造成极大威胁。针对以上问题,结合Spark大数据计算框架和PSO优化神经网络算法的优点,提出基于Spark内存计算框架的并行PSO优化神经网络算法对电力通信网络的安全态势进行预测。本研究首先引入Spark计算框架,Spark框架具有内存计算以及准实时处理的特点,符合电力通信大数据处理的要求。然后提出PSO优化算法对神经网络的权值进行修正,以增加神经网络的学习效率和准确性。之后结合RDD的并行特点,提出了一种并行PSO优化神经网络算法。最后通过实验比较可以看出,基于Spark框架的PSO优化神经网络算法的准确度高,且相较于传统基于Hadoop的预测方法在处理速度上有显著提高。
[1] 徐茹枝,王宇飞,等.面向电力信息网络的安全态势感知研究[J].电网技术学报,2013,37(1):128-134. [2] SPEROTTO A,SCHAFFRATH G,SADRE R,et al.An overview of IP flow-based intrusion detection[J].IEEE Communications Surverys& Tutorials,2010,12(3):343-356. [3] 姚东.基于流的大规模网络安全态势感知关键技术研究[D].郑州:中国人民解放军信息工程大学,2013. [4] TIM B.Intrusion systems and multisensor data fusion:creating cyberspace situational awareness[J].Communications of the ACM,2000,43(4):99-105. [5] LAU S.The spinning cube of potential doom[J].Communications of the ACM,2004,47(6):25-26. [6] YURCIK B.Security Incident Fusion Tool (SIFT) Research Project.http://www.projects.ncassr.org/sift. [7] 陈秀真,郑庆华,管晓宏,等.网络化系统安全态势评估的研究[J].西安交通大学学报,2004,8(4):404-408. [8] 胡华平,张怡,陈海涛,等.面向大规模网络的入侵检测与预警系统研究[J].国防科技大学学报,2003,5(1):21-25. [9] 任伟,蒋兴浩,锬锋.基于 RBF 神经网络的网络安全态势预测方法[J].计算机工程与应用,2006,2(31):136-138. [10] 胡明明,王慧强,赖积保.一种基于 GA-BPNN的网络安全态势预测方法[EB/OL].[2007-07-24].http://www.paper.edu.cn/releasepaper/content/20070-437 . [11] 王宇飞,沈红岩.基于改进广义回归神经网络的网络安全态势预测[J].华北电力大学学报,2011,38(3):91-95. [12] 丁硕,常晓恒,巫庆辉,等.GRNN与BPNN的函数逼近性能对比研究[J].现代电子技术,2014,37(7):114-117. [13] 涂娟娟.粒子群优化算法的几种改进算法及应用[D].南京:中国矿业大学,2014. [14] 曹蓉蓉.大数据环境下网络安全态势感知研究[J].数字图书馆论坛,2014(2):85-91. [15] 孟建良,刘德超.一种基于Spark和聚类分析的辨识电力系统不良数据新方法[J].电力系统保护与控制,2016,44(3):85-91. [16] 胡俊,胡贤德,程家兴,等.基于Spark的大数据混合计算模型[J].计算机系统应用,2015,24(4):214-218. [17] ZAHARIA M,DAS T,LI H,et al.Discretized streams:an efficient and fault-tolerant model for stream processing on large clusters[C]∥Proceedings of the 4th USENIX conference on Hot Topics in Cloud Ccomputing.USENIX Association,2012. [18] 涂娟娟.PSO优化神经网络算法的研究及其应用[D].南京:江苏大学,2013. [19] 唐振坤.基于Spark的机器学习平台设计与实现[D].厦门:厦门大学,2014. [20] 刘世成,张建华,刘宗岐,等.并行自适应粒子群算法在电力系统无功优化中的应用[J].电网技术,2012,36(1):108-112. |
No related articles found! |
|