安全态势感知系统中K-Means算法的并行化研究
《信息技术与网络安全》2020年第7期
江佳希，谢颖华
东华大学 信息科学与技术学院，上海201620
摘要： 大数据环境下的网络安全事件层出不穷，安全态势感知系统的应用势在必行。通过挖掘日志数据并进行安全分析，可以实现对异常事件的追责与溯源，有效地减少网络安全事故的发生。针对传统K-Means算法时间开销大、执行效率低的问题，将改进K-Means算法在大数据计算框架Hadoop上实现并行化，来满足大数据下安全态势感知系统日志安全分析的需求。实验表明，改进后的算法在有效性和时间复杂度方面都优于传统算法。
中圖分類號： TP311
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2020.07.006
引用格式： 江佳希，謝穎華. 安全態(tài)勢感知系統(tǒng)中K-Means算法的并行化研究[J].信息技術與網絡安全，2020，
39(7)：36-40，51.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2020.07.006
引用格式： 江佳希，謝穎華. 安全態(tài)勢感知系統(tǒng)中K-Means算法的并行化研究[J].信息技術與網絡安全，2020，
39(7)：36-40，51.
Research on parallelization of K-Means algorithm in security situation awareness system
Jiang Jiaxi，Xie Yinghua
School of Information Science and Technology，Donghua University，Shanghai 201620，China
Abstract： With the emergence of network security events in a big data environment, the application of security situation awareness systems is imperative. By digging log data and performing security analysis, we can achieve accountability and traceability to abnormal events, and effectively reduce the occurrence of network security incidents. Aiming at the problems of large time overhead and low execution efficiency of the traditional K-Means algorithm, the security situation awareness system in this paper improves the K-Means algorithm to achieve parallelization on the big data computing framework Hadoop，and to meet the needs of log security analysis under big data. Experimental results show that the improved algorithm is superior to traditional algorithms in terms of effectiveness and time complexity.
Key words : Hadoop；security situation；K-Means；data mining
隨著大數據時代的來臨，SQL注入攻擊、XSS攻擊等網絡安全事件層見疊出，給網絡安全帶來了巨大的挑戰(zhàn)。日志記錄著設備運行狀態(tài)，各種安全事件都會在系統(tǒng)中留下日志記錄，通過對日志進行分析，可以挖掘重要信息，實時掌握網絡安全狀況，既可做到事前防護，又可做到事后追本溯源及責任追查。
本文設計的安全態(tài)勢感知系統(tǒng)將采集到的日志文件送至分布式文件系統(tǒng)HDFS進行存儲，在Hadoop架構上將改進的K-Means算法和MapReduce高效的并行計算能力相結合，對存儲的日志進行聚類和分析。安全態(tài)勢感知系統(tǒng)可以實時監(jiān)控網絡安全態(tài)勢，實現日志分析追責，有效地減少網絡安全事故的發(fā)生。系統(tǒng)采用高可用部署模式，具有可靠、易拓展、易維護以及可視化的特點。
本文詳細內容請下載：http://ihrv.cn/resource/share/2000003220
作者信息：
江佳希，謝穎華
(東華大學 信息科學與技術學院，上海201620)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。