KDD

摘要： 针对网络流量数据集特征维度高、正负样本不平衡导致的入侵检测效率较低问题,提出一种基于改进鲸鱼优化算法(IWOA)和XGBoost的网络入侵检测模型。为提升鲸鱼优化算法特征选择能力,引入Sobol序列初始化方式丰富初代种群多样性,采用非线性收敛因子及惯性权重平衡全局和局部搜索,应用混合变异策略提高局部最优逃逸能力。为提高不平衡数据集中少数类识别率,将焦点损失引入XGBoost算法,应用改进算法(FLXGBoost)构建IWOA适应度函数和分类模型。使用NSL-KDD数据集,将所提模型与其他常见算法进行对比实验,结果表明,相比于其他算法,所提模型在网络入侵检测准确率上有较大的提升。

摘要： In today’s world, computer network is evolving very rapidly. Most public or/and private companies set up their own local networks system for the purpose of promoting communication and data sharing within the companies. Unfortunately, their data and local networks system are under risks. With the advanced computer networks, the unauthorized users attempt to access their local networks system so as to compromise the integrity, confidentiality and availability of resources. Multiple methods and approaches have to be applied to protect their data and local networks system against malicious attacks. The main aim of our paper is to provide an intrusion detection system based on soft computing algorithms such as Self Organizing Feature Map Artificial Neural Network and Genetic Algorithm to network intrusion detection system. KDD Cup 99 and 1998 DARPA dataset were employed for training and testing the intrusion detection rules. However, GA’s traditional Fitness Function was improved in order to evaluate the efficiency and effectiveness of the algorithm in classifying network attacks from KDD Cup 99 and 1998 DARPA dataset. SOFM ANN and GA training parameters were discussed and implemented for performance evaluation. The experimental results demonstrated that SOFM ANN achieved better performance than GA, where in SOFM ANN high attack detection rate is 99.98%, 99.89%, 100%, 100%, 100% and low false positive rate is 0.01%, 0.1%, 0%, 0%, 0% for DoS, R2L, Probe, U2R attacks, and Normal traffic respectively.

摘要： 本文设计了一种新的深度神经网络(New Deep Neural Network,NDNN)模型,并将其应用到入侵检测系统中.NDNN以其突出的特征学习能力充分学习训练数据的特征,在输出层,NDNN通过Softmax分类器对网络攻击报文与正常报文数据进行识别和分类,检测异常报文与入侵攻击.实验通过对KDD Cup 99数据集进行仿真,实验结果表明本文设计的基于NDNN的入侵检测系统模型,进一步提高了入侵检测系统的精度,增强了网络的安全性.

摘要： 大数据时代的到来,推动了Web数据挖掘技术的快速发展与应用.文章重点探讨了数据挖掘与Web数据挖掘的基本概念,阐述了Web数据挖掘的分类及挖掘流程,并对Web数据挖掘的常用技术手段及在电子商务中的具体应用进行了探讨和研究.

摘要： 2013年以来，全新的《事业单位会计制度》和《高等学校会计制度》相继出台，高校经济运行体制在新制度指导下，开始由粗放式管理模式逐步转变为精细化、透明化的管理模式，产生了对高校办学成本进行分析的要求。在高校预算编制过程中，如何从上年度预算执行情况中获得对新一年预算编制工作有指导意义的，有利于高校管理层决策的知识，成为当前高校预算管理研究的一个方向。将近年来兴起的数据挖掘技术应用于高校的预算管理工作中，是一个不错的选择。本文对高校预算工作现状和数据挖掘技术在预算编制中的应用进行探讨。

摘要： 本文主要就是当前国际通信市场上的竞争态势进行了分析，主要针对的就是日本的情况来进行了研究。然后在面对这种新的竞争态势之下，在日本国内唯一的一家经营国际电信业务的日本国际电信电话有限公司，也就是KDD，采取的一些应对策略进行了分析和简单的介绍。

摘要： 数据挖掘在越来越多的领域中得到广泛应用.本文主要描述数据挖掘的基本概念和过程,分析了传统数据挖掘技术和现代数据挖掘技术及其应用,以及数据挖掘的研究现状和未来的发展趋势.

摘要： It is common in industrial construction projects for data to be collected and discarded without being analyzed to extract useful knowledge. A proposed integrated methodology based on a five-step Knowledge Discovery in Data (KDD) model was developed to address this issue. The framework transfers existing multidimensional historical data from completed projects into useful knowledge for future projects. The model starts by understanding the problem domain, industrial construction projects. The second step is analyzing the problem data and its multiple dimensions. The target dataset is the labour resources data generated while managing industrial construction projects. The next step is developing the data collection model and prototype data ware-house. The data warehouse stores collected data in a ready-for-mining format and produces dynamic On Line Analytical Processing (OLAP) reports and graphs. Data was collected from a large western-Canadian structural steel fabricator to prove the applicability of the developed methodology. The proposed framework was applied to three different case studies to validate the applicability of the developed framework to real projects data.

摘要： 在网络发生故障后,为了尽快排除故障并恢复业务,需要快速定位故障原因。而如何对故障产生的大量告警数据进行过滤、分析并生成有效的故障定位提示信息,提高网络的稳定性和可靠性,则日益成为网络运营商关注的重要问题。结合了数据库技术和人工智能技术优点的知识发现技术(KDD:Knowledge Discoveryin Databases)的出现正好可以适应这一需求,它能有针对性地快速定位故障,缩短业务中断时间。KDD通过剔除不必要和不相关的信息,实现对大量的告警进行合并和转化,使呈现给网管操作人员的告警信息数量大大减少,从而提高了信息的有效性,帮助网管人员找出产生告警的真正原因,进而快速定位故障并恢复服务.KDD甚至还能预测故障的发生从而指导维护人员提前介入,防止故障真正发生,实现主动运维.因此,它可以大大提高故障管理的水平。

摘要： 在网络发生故障后,为了尽快排除故障并恢复业务,需要快速定位故障原因。而如何对故障产生的大量告警数据进行过滤、分析并生成有效的故障定位提示信息,提高网络的稳定性和可靠性,则日益成为网络运营商关注的重要问题。结合了数据库技术和人工智能技术优点的知识发现技术(KDD:Knowledge Discoveryin Databases)的出现正好可以适应这一需求,它能有针对性地快速定位故障,缩短业务中断时间。KDD通过剔除不必要和不相关的信息,实现对大量的告警进行合并和转化,使呈现给网管操作人员的告警信息数量大大减少,从而提高了信息的有效性,帮助网管人员找出产生告警的真正原因,进而快速定位故障并恢复服务.KDD甚至还能预测故障的发生从而指导维护人员提前介入,防止故障真正发生,实现主动运维.因此,它可以大大提高故障管理的水平。

摘要： 在网络发生故障后,为了尽快排除故障并恢复业务,需要快速定位故障原因。而如何对故障产生的大量告警数据进行过滤、分析并生成有效的故障定位提示信息,提高网络的稳定性和可靠性,则日益成为网络运营商关注的重要问题。结合了数据库技术和人工智能技术优点的知识发现技术(KDD:Knowledge Discoveryin Databases)的出现正好可以适应这一需求,它能有针对性地快速定位故障,缩短业务中断时间。KDD通过剔除不必要和不相关的信息,实现对大量的告警进行合并和转化,使呈现给网管操作人员的告警信息数量大大减少,从而提高了信息的有效性,帮助网管人员找出产生告警的真正原因,进而快速定位故障并恢复服务.KDD甚至还能预测故障的发生从而指导维护人员提前介入,防止故障真正发生,实现主动运维.因此,它可以大大提高故障管理的水平。

摘要： 在网络发生故障后,为了尽快排除故障并恢复业务,需要快速定位故障原因。而如何对故障产生的大量告警数据进行过滤、分析并生成有效的故障定位提示信息,提高网络的稳定性和可靠性,则日益成为网络运营商关注的重要问题。结合了数据库技术和人工智能技术优点的知识发现技术(KDD:Knowledge Discoveryin Databases)的出现正好可以适应这一需求,它能有针对性地快速定位故障,缩短业务中断时间。KDD通过剔除不必要和不相关的信息,实现对大量的告警进行合并和转化,使呈现给网管操作人员的告警信息数量大大减少,从而提高了信息的有效性,帮助网管人员找出产生告警的真正原因,进而快速定位故障并恢复服务.KDD甚至还能预测故障的发生从而指导维护人员提前介入,防止故障真正发生,实现主动运维.因此,它可以大大提高故障管理的水平。

摘要： 在网络发生故障后,为了尽快排除故障并恢复业务,需要快速定位故障原因。而如何对故障产生的大量告警数据进行过滤、分析并生成有效的故障定位提示信息,提高网络的稳定性和可靠性,则日益成为网络运营商关注的重要问题。结合了数据库技术和人工智能技术优点的知识发现技术(KDD:Knowledge Discoveryin Databases)的出现正好可以适应这一需求,它能有针对性地快速定位故障,缩短业务中断时间。KDD通过剔除不必要和不相关的信息,实现对大量的告警进行合并和转化,使呈现给网管操作人员的告警信息数量大大减少,从而提高了信息的有效性,帮助网管人员找出产生告警的真正原因,进而快速定位故障并恢复服务.KDD甚至还能预测故障的发生从而指导维护人员提前介入,防止故障真正发生,实现主动运维.因此,它可以大大提高故障管理的水平。

摘要： 为了保证知识库的质量,如何对大量新发现的无意义的假设进行处理是非常重要的.如果知识库中的知识以产生式规则的形式表示,并将前提及通过推理所能达到的结论作为集合元素组成一个集合,那么这个集合就成为知识库的闭包.通过求取知识库的闭包可以得到最小知识库,然后利用最小知识库对新发现的知识进行识别处理.研究表明,基于闭包的知识库后处理对于KDD中的假设规则的识别是有效的.

摘要： 为了保证知识库的质量,如何对大量新发现的无意义的假设进行处理是非常重要的.如果知识库中的知识以产生式规则的形式表示,并将前提及通过推理所能达到的结论作为集合元素组成一个集合,那么这个集合就成为知识库的闭包.通过求取知识库的闭包可以得到最小知识库,然后利用最小知识库对新发现的知识进行识别处理.研究表明,基于闭包的知识库后处理对于KDD中的假设规则的识别是有效的.

摘要： 为了保证知识库的质量,如何对大量新发现的无意义的假设进行处理是非常重要的.如果知识库中的知识以产生式规则的形式表示,并将前提及通过推理所能达到的结论作为集合元素组成一个集合,那么这个集合就成为知识库的闭包.通过求取知识库的闭包可以得到最小知识库,然后利用最小知识库对新发现的知识进行识别处理.研究表明,基于闭包的知识库后处理对于KDD中的假设规则的识别是有效的.

摘要： 为了保证知识库的质量,如何对大量新发现的无意义的假设进行处理是非常重要的.如果知识库中的知识以产生式规则的形式表示,并将前提及通过推理所能达到的结论作为集合元素组成一个集合,那么这个集合就成为知识库的闭包.通过求取知识库的闭包可以得到最小知识库,然后利用最小知识库对新发现的知识进行识别处理.研究表明,基于闭包的知识库后处理对于KDD中的假设规则的识别是有效的.

摘要： 为了保证知识库的质量,如何对大量新发现的无意义的假设进行处理是非常重要的.如果知识库中的知识以产生式规则的形式表示,并将前提及通过推理所能达到的结论作为集合元素组成一个集合,那么这个集合就成为知识库的闭包.通过求取知识库的闭包可以得到最小知识库,然后利用最小知识库对新发现的知识进行识别处理.研究表明,基于闭包的知识库后处理对于KDD中的假设规则的识别是有效的.

摘要： 该发明公开了一种基于双库协同机制的KDD*系统。该系统是在KDD技术的基础上融入双库协同机制，即构建数据库与基础知识库的内在联系“通道”，用基础知识库去制约与驱动KDD的挖掘过程，并在KDD的挖掘过程中对知识库进行实时维护；从而改变KDD固有的运行机制，在结构与功能上形成了相对于KDD而言的一个开放的、优化的扩体-KDD*。双库协同机制的引入，使得KDD在功能上得到了进一步的完善和提高，并诱发出若干新的结构模型和发掘、评价方法，对知识发现系统的主流发展起着重要的推动作用。

摘要： 该发明公开了一种基于双库协同机制的KDD*新系统。该系统是在KDD技术的基础上融入双库协同机制，即构建数据库与基础知识库的内在联系“通道”，用基础知识库去制约与驱动KDD的挖掘过程，并在KDD的挖掘过程中对知识库进行实时维护；从而改变KDD固有的运行机制，在结构与功能上形成了相对于KDD而言的一个开放的、优化的扩体－KDD*。双库协同机制的引入，使得KDD在功能上得到了进一步的完善和提高，并诱发出若干新的结构模型和发掘、评价方法，对知识发现系统的主流发展起着重要的推动作用。