当前位置:论文写作 > 毕业论文范文 > 文章内容

光纤通信和大数据在职研究生论文范文 光纤通信和大数据类有关论文范文文献2万字有关写作资料

主题:光纤通信和大数据 下载地址:论文doc下载 原创作者:原创作者未知 评分:9.0分 更新时间: 2024-01-28

光纤通信和大数据论文范文

《基于大数据分析技术的光纤通信系统安全态势预测》

该文是关于光纤通信和大数据在职研究生论文范文和系统方面毕业论文怎么写.

摘 要: 為了获得理想的光纤通信系统安全态势预测效果,针对光纤通信系统安全态势预测建模过程中存在的一些问题,设计基于大数据分析技术的光纤通信系统安全态势预测方法.首先,搭建光纤通信系统安全态势预测的Hadoop分布式数据处理平台;然后,收集光纤通信系统安全态势变化的历史样本,并采用多个极限学习机并行对光纤通信系统安全态势数据进行训练,构建光纤通信系统安全态势预测模型;最后,采用Matlab 2017编程实现光纤通信系统安全态势预测仿真对照测试.结果表明,大数据分析技术的光纤通信系统安全态势预测精度超过95%,预测误差远远小于对照方法,降低了预测建模的时间复杂度,光纤通信系统安全态势预测效率得到了明显提升,具有更优的实际应用价值.

关键词: 光纤通信系统; 安全态势; 分布式数据处理技术; Hadoop平台; 预测模型; 仿真测试

中图分类号: TN911?34; TP391文献标识码: A 文章编号: 1004?373X(2020)07?0006?04

Optical fiber communication systems′ security situational prediction

based on big data analysis technology

HE Weihua1, 2, WANG Hong2

(1. College of Computer Science, Sichuan University, Chengdu 610065, China;

2. Sichuan Electromechanical Institute of Vocation and Technology, Panzhihua 617000, China)

Abstract: In order to obtain an ideal security situation prediction effect of optical fiber communication system, an optical fiber communication systems′ security situation prediction method based on big data analysis technology is designed to solve some problems existing in the process of security situation prediction modeling of optical fiber communication system. Firstly, the Hadoop distributed data processing platform for security situation prediction of optical fiber communication system is built. Then, the historical samples of security situation change of optical fiber communication system are collected, and the security situation data of optical fiber communication system are trained simultaneously in parallel by using multiple extreme learning machines to construct the security situation prediction model of optical fiber communication system. Finally, Matlab 2017 is used to realize the simulation and contrast testing of the security situation prediction of optical fiber communication system. The results indicate that the precision of optical fiber communication systems′ security situation prediction based on big data analysis technology is more than 95%, and the prediction error is much less than that of the contrast methods, which reduces the time complexity of prediction modeling. The efficiency of security situation prediction of optical fiber communication system has been significantly improved, which has an excellent practical application value.

Keywords: optical fiber communication system; security situation; distributed data processing technology; Hadoop platform; prediction model; simulation testing

2 光纤通信系统安全态势预测效果测试

2.1 测试环境

为了测试本文提出的光纤通信系统安全态势预测方法的性能,首先构建一个Hadoop分布式数据处理平台,其包括5个节点,每一个节点的参数如表1所示,然后进行仿真模拟实验.为了使本文方法的光纤通信系统安全态势预测结果具有对比性,选择RBF神经网络、BP神经网络在相同环境下进行对照实验.

2.2 光纤通信系统安全态势实验数据

为了增强仿真实验结果的说服力,体现实验的公平性,采用5个光纤通信系统作为测试对象,其安全态势样本数量如表2所示.

2.3 结果与分析

2.3.1 安全态势的预测精度对比

采用RBF神经网络、BP神经网络、ELM分别对表1的光纤通信系统安全态势数据进行建模,预测精度如图4所示.

分析图4的光纤通信系统安全态势预测结果可知:

1) RBF神经网络、BP神经网络光纤通信系统安全态势预测精度低,预测结果的偏差大,因为它们的光纤通信系统安全态势预测结果极不稳定,出现了许多过拟合的光纤通信系统安全态势预测结果.

2) ELM的光纤通信系统安全态势预测精度要高于RBF神经网络、BP神经网络,这是因为ELM能够克服神经网络过拟合的缺陷,更好地描述了光纤通信系統安全态势的变化特点,光纤通信系统安全态势预测误差得到了降低,对照实验结果验证了ELM用于光纤通信系统安全态势预测建模的优越性.

2.3.2 光纤通信系统安全态势预测效率对比

分别计算RBF神经网络、BP神经网络、ELM的训练时间和测试时间,如图5所示.从图5可以发现,RBF神经网络、BP神经网络、ELM的测试时间相差无几,而RBF神经网络、BP神经网络、ELM的光纤通信系统安全态势建模训练时间差异很大,其中,BP神经网络的训练时间最长,RBF神经网络的训练时间次之,ELM的训练时间最短,总体上,ELM缩短了光纤通信系统安全态势预测建模时间,提升了光纤通信系统安全态势预测效率.

2.3.3 Hadoop分布式数据处理平台的优越性测试

为了分析Hadoop分布式数据处理平台的优越性,选择传统单节点数据处理平台进行对比测试,建模方法均采用ELM,不同数据集下,训练样本和测试样本根据5[∶]1进行划分,光纤通信系统安全态势建模时间如图6所示.从图6可以看出,当前数据集规模较小时,Hadoop分布式数据处理平台的建模时间还长于单节点数据处理平台,这主要是因为各节点之间的协调需要一定的时间,随着光纤通信系统安全态势预测数据集规模不断增加,Hadoop分布式数据处理平台和单节点数据处理平台的建模时间不断增加,但是Hadoop分布式数据处理平台增幅小,单节点数据处理平台的建模时间急剧上升,而且数据数量越大,Hadoop分布式数据处理平台优势就更加明显,验证了本文选择Hadoop分布式数据处理平台进行光纤通信系统安全态势预测的优越性.

3 结 语

针对光纤通信系统安全态势预测建模过程中精度低、实时性差等不足,本文提出了基于大数据分析技术的光纤通信系统安全态势预测方法.采用Hadoop分布式数据处理平台对光纤通信系统安全态势进行并行处理,采用ELM作为光纤通信系统安全态势预测算法,测试结果表明,本文方法提升了光纤通信系统安全态势预测精度,改善了光纤通信系统安全态势建模效率,相对于其他光纤通信系统安全态势预测方法,具有更高的实际应用价值.

参考文献

[1] 陶源,黄涛,张墨涵,等.网络安全态势感知关键技术研究及发展趋势分析[J].信息网络安全,2018(8):79?85.

[2] 王健,李可,赵国生.面向感知质量保障的安全态势预测优化模型[J].华中科技大学学报(自然科学版),2018,46(1):22?25.

[3] 刘世文,司成,张红旗.一种细粒度的网络威胁态势评估方法[J].计算机工程与应用,2018,54(10):149?153.

[4] 郭毅,段海新,张连成,等.基于特征融合相似度的域间路由系统安全威胁感知方法[J].中国科学:信息科学,2017,47(7):878?890.

[5] 文志诚,陈志刚,邓晓衡,等.基于多源多层次信息融合的网络安全态势感知方法[J].上海交通大学学报,2015,49(8):1144?1152.

[6] 王法玉,张晓洪.多源事件融合的网络安全态势评估方法[J].计算机工程与设计,2016,37(6):1440?1444.

[7] 张瑞芝,唐湘滟,程杰仁.基于改进模糊C?均值聚类的DDoS攻击安全态势评估模型[J].计算机工程与科学,2018,40(11):1957?1966.

[8] 文志诚,陈志刚,唐军.基于时间序列分析的网络安全态势预测[J].华南理工大学学报(自然科学版),2016,44(5):137?143.

[9] 李玺,卢昱,刘森,刘锋.基于Markov game模型的装备保障信息网络安全态势感知方法研究[J].计算机应用研究,2017,34(11):3441?3445.

[10] 陈维鹏,敖志刚,郭杰,等.基于改进的BP神经网络的网络空间态势感知系统安全评估[J].计算机科学,2018,45(z2):335?337.

[11] 江洋,李成海,魏晓辉,等.改进PSO优化RBF的网络安全态势预测研究[J].测控技术,2018,37(5):56?60.

[12] 孙卫喜.用于网络安全态势预测的粒子群与支持向量机算法研究[J].计算机应用与软件,2019,36(6):308?316.

[13] 李晓宾,李淑珍.模糊动态贝叶斯网络防御态势感知模型[J].探测与控制学报,2017,39(3):124?129.

[14] HUANG G B, ZHU Q Y, SIEW C K. Extreme learning machine: theory and applications [J]. Neurocomputing, 2006, 70(1): 489?501.

[15] 王倩,谭永杰,秦杰,等.基于Hadoop分布式平台的海量图像检索[J].南京理工大学学报,2017,41(4):442?447.

[16] 汤永利,李伟杰,于金霞,等.基于改进D?S证据理论的网络安全态势评估方法[J].南京理工大学学报,2015,39(4):405?411.

[17] 杨豪璞,邱辉,王坤.面向多步攻击的网络安全态势评估方法[J].通信学报,2017,38(1):187?198.

此文总结,本文论述了关于对写作系统论文范文与课题研究的大学硕士、光纤通信和大数据本科毕业论文光纤通信和大数据论文开题报告范文和相关文献综述及职称论文参考文献资料有帮助.

光纤通信和大数据引用文献:

[1] 光纤通信和大数据在职研究生论文范文 光纤通信和大数据类有关论文范文文献2万字
[2] 大数据营销学论文选题 大数据营销专业论文题目怎么拟
[3] 大数据营销参考文献外国 大数据营销核心期刊参考文献哪里找
《光纤通信和大数据在职研究生论文范文 光纤通信和大数据类有关论文范文文献2万字》word下载【免费】
光纤通信和大数据相关论文范文资料