دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژهنامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :2
بازدید روز گذشته :64
بازدید این هفته :2
بازدید این ماه :309
مجموع آمار بازدید ها :801603
بازدید روز گذشته :64
بازدید این هفته :2
بازدید این ماه :309
مجموع آمار بازدید ها :801603
عنوان محصول: دادههای کلان: کنترل تقلب با استفاده از کتابخانههای یادگیری ماشینی بر روی اسپارک
دستهبندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار:
شنبه 15 شهريور 1399
توضیحات مختصر:
تغییرات مداوم و حجم بالای محاسبه در توزیع دادههای شبکه، تشخیص رفتارهای غیر طبیعی درونی و تحلیل دادهها را دشوارتر کرده است. به همین دلیل، راه حلهای موجود برای دادههای از اهمیت بالایی برخوردار شدهاند. با پیشرفت فناوریهای اینترنت و عصر دیجیتال، حملات سایبری به طور پیوسته افزایش یافته است. الگوریت...
|
دادههای کلان: کنترل تقلب با استفاده از کتابخانههای یادگیری ماشینی بر روی اسپارک |
قیمت : 37000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 33300 تومان
367 بازدید
کد مقاله: TTC-
3879
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
Continuous changes and the high calculation volume in network data distribution have made it more difficult to detect abnormal behaviors within and analyze data. For this cause, large data solutions have gained important. With the advancement of internet technologies and the digital age, cyber-attacks have increased steadily. The k-Means clustering algorithm is one of the most widely used algorithms in the world of data mining. Clustering algorithms are algorithms that automatically divide data into smaller clusters or subclusters. The algorithm places statistically similar records in the same group. In this article, we have used k-Means method from the Machine Learning libraries on Spark to determine whether the incoming network values are normal behavior. 400 thousand network data were used in this article. This data was obtained from KDD Cup 1999 Data. We have detected 10 abnormal behaviors from 400 thousand network data with k-means method.
چکیده
تغییرات مداوم و حجم بالای محاسبه در توزیع دادههای شبکه، تشخیص رفتارهای غیر طبیعی درونی و تحلیل دادهها را دشوارتر کرده است. به همین دلیل، راه حلهای موجود برای دادههای از اهمیت بالایی برخوردار شدهاند. با پیشرفت فناوریهای اینترنت و عصر دیجیتال، حملات سایبری به طور پیوسته افزایش یافته است. الگوریتم خوشه بندی k-Means یکی از الگوریتمهای پرکاربرد در دنیای داده کاوی است. الگوریتمهای خوشه بندی الگوریتمهایی هستند که به طور خودکار دادهها را به خوشههای کوچکتر یا زیر خوشهها تقسیم میکنند. این الگوریتم رکوردهای آماری مشابه را در همان گروه قرار میدهند. در این مقاله، ما از روش k-Means برای کتابخانههای یادگیری ماشین در Spark استفاده کردهایم تا تعیین کنیم که آیا مؤلفههای ورودی شبکه رفتار عادی دارند یا نه. 400 هزار داده شبکه در این مقاله استفاده شده است. این اطلاعاتها از مجموعه داده KDD Cup 1999 به دست آمده است. ما از 400000 داده شبکه با استفاده از روش k-Mean، 10 رفتار غیر طبیعی را تشخیص دادهایم.
تعداد صفحات انگلیسی:5
صفحه
تعداد صفحات فـارسـی:11
صفحه