基于移动边缘计算的超密集异构网络数据存储

针对目前超密集异构网络数据存储方法存储速率过慢,导致存储量较小,难以满足人们的要求,提出了基于移动边缘计算的超密集异构网络数据存储方法。构建基于移动边缘的网络结构模式,采用网络结构层次分析法,对超密集异构网络建立相应的选择层次模型,并根据网络数据收集和处理将其分类为数据收集网络和数据处理网络,最后,利用移动边缘计算技术,将写入的网络数据下沉到网络边缘,实现超密集异构网络数据的持久存储。实验结果表明,基于移动边缘计算的超密集异构网络数据存储方法能有效提高存储速率,扩大存储量。     

基于小波网络的遥测视速度异常数据剔除方法

为了提高遥测视速度数据的质量,保证制导工具系统误差分离精度,提出了一种小波网络预测与3σ准则相结合的遥测视速度异常数据检测和剔除方法。将遥测视速度数据加时间窗获得小波网络的训练样本,根据3σ准则对网络输出进行检测判别异常数据,对异常数据用小波网络的一步预测输出代替。试验数据处理结果证明了利用小波网络进行遥测异常数据剔除的可行性。由于小波网络的拟合作用,可以提高输出的信噪比。     

计算机网络数据加密的设计

由于与网络相关的IP/TCP协议数据具有明文传送性,这就使得网络信息极易被修改、劫持、监听等.鉴于此,以网络数据密码技术为出发点,分析密码体制、密钥管理、密钥的分配与证实,阐述网络数据加密系统概况、数据加密步骤与数据加密形式,从而试图探索出网络数据加密的具体设计方案,开发能够保护网络数据协议透明化的完善系统,以便最终实现网络的全面、健康、可持续发展.     

瓦斯传感网络时空数据的预处理

由于煤矿巷道环境恶劣,提高瓦斯传感网络数据可靠性十分重要。从利用传感网络数据的时空关联性出发,研究了基于时空融合的瓦斯传感网络数据的预处理方法。首先,给出了传感网络时间、空间颗粒的定义,提出了瓦斯传感网络时间、空间颗粒的划分方法。接着,论述了异常值检测,以及基于时空融合的瓦斯传感网络数据的平滑预处理方法。仿真结果表明,提出的瓦斯传感网络时空数据预处理方法是有效、合理的。     

基于复杂网络的交通序列数据特性

为了进一步研究交通流特性,采用复杂网络方法对交通序列数据进行分析。提出了箱型图-聚类算法模型用于识别和填充初始数据中的缺失值和异常值;通过相空间重构方法将一维数据重构为网络节点,选取连接阈值确定网络节点的连接关系,将交通序列数据构建为复杂网络,对复杂网络的结构和定量指标进行分析。研究结果表明交通序列数据复杂网络的结构一定程度上可以反映路段的交通流状态。该结果有助于优化数据预处理方法,拓展复杂网络在交通序列数据研究中的应用。     

基于物联网的无线通信网络数据完整性检测方法

为提高无线通信网络数据传输的可靠性,需要进行数据的完整性检测,提出基于物联网的无线通信网络数据完整性检测方法。构建无线通信网络数据传输的低通信道模型,采用非线性状态空间重组的方法进行无线通信网络数据传输链路结构设计,建立无线通信网络数据的动态传输的信道均衡控制模型,采用物联网优化组网设计技术进行无线通信网络数据的分布式传输组网设计,建立无线通信网络数据的完整性特征提取模型,根据特征提取结果,在物联网环境下进行无线通信网络数据的完整性检测。仿真结果表明,采用该方法进行无线通信网络数据完整性检测的准确性较高,提高无线通信网络数据传输的保真性和信道均衡性。     

基于SNMP的网络流量数据采集研究与实现

网络数据流量的统计是网络管理的一项重要内容,而数据流量统计的核心是网络数据的采集。针对目前网络管理的数据流量控制问题,提出一种利用SNMP协议实现对路由器中数据流量采集的方法。通过管理工作站(SNMP Manager)对代理(Agent)中的变量的访问,来提取路由器中的网络数据流量信息。说明了基于SNMP协议数据流量信息采集过程的实现原理,并描述了实现方法。     

基于人工智能的网络时空数据挖掘方法

为解决传统数据挖掘应用到网络时空数据挖掘时存在挖掘结果数据召回率低的问题,研究基于人工智能的网络时空数据挖掘方法.采用网络爬虫技术采集网络时空数据,制定网络时空数据关联规则,利用人工智能中的微分进化算法进行挖掘数据筛选及候选集确定,基于用户偏好挖掘数据知识,实现网络时空数据的挖掘.试验结果表明,设计方法在实际应用中能够...     

数据驱动下的高校网络运维

基于数据驱动网络运维的理念,从数据治理的角度出发,建立网络运维数据中台来提供可靠的数据分析依据,实现业务数据化、数据资产化、资产价值化,最终达到网络运维的智能化和自动化,为高校的教学和科研活动提供稳定、安全的网络环境。     

基于MapReduce和HBase的 海量网络数据处理

根据ERF数据的特点结合分布式框架Hadoop针对海量数据的计算优势,改进了网络数据的解析模式和数据存储模式,完成了ERF网络数据自动上传。根据XML文件解析多种类型的网络数据、HBase存储数据和HBase数据导入与数据查询的优化等一系列网络数据自动化处理工作。提出了一种新的MapReduce解析二进制数据的算法,该方案有效的解决了MapReduce读取和解析二进制数据的问题,在此基础上实现的海量网络数据处理系统,解析效率较高,数据库存储和查询数据的速度较快,系统自动化运行且稳定性强,有良好的应用前景。     

网络大数据的应用及前景阐述

在科学技术和网络技术的不断发展下,计算机行业对网络数据信息的处理技术提出了更高的要求,应对时代发展需求出现了新型网络数据技术。新型网络大数据技术在社会生活、生产的多个方面都起到了十分重要的作用,为此,文章结合当前网络大数据应用现状和存在的问题,为网络大数据的应用趋势和应用前景进行探究。     

大数据中网络节点拓扑不稳定性的评估模型设计

大数据中网络节点拓扑结构复杂且具有明显的不稳定性,当前网络节点拓扑不稳定性评估模型大多依据社会网络分析方法理论,从不同角度表示具有不同拓扑结构特性的网络元件,获取的评估结果不充分、不可靠。为此,提出一种新的大数据中网络节点拓扑不稳定性评估模型,通过节点收缩法对大数据中网络节点重要性进行评估。针对大数据中网络节点拓扑不稳定性的评估,结合风险函数丰富熵的内涵,将事件的风险函数在效用系数空间中的平均值看作网络的效用风险熵,依据得到的效用风险熵对效用风险熵权重进行计算。将节点收缩法和效用风险熵权重结合在一起,重新考虑权重的影响,给出新的大数据中网络凝聚度,得到大数据中网络节点拓扑不稳定性评估模型。实验结果表明,所提方法评估可靠性很高。     

基于分簇的变速率无线传感网移动数据收集

为了最大化网络数据收集同时均衡节点能量消耗,研究一类基于分簇的无线传感器网络的移动数据收集方案;其中节点的数据产生速率是变化的,将最大化网络数据收集量建模为一个非线性优化问题,通过对偶分解,分层优化以及梯度下降法获得最优的数据产生速率、链路速率以及汇聚节点停驻时间分配方案。仿真结果表明所提方法在均衡网络能耗和最大化数据收集量方面具有良好的性能。     

基于WinPcap的网络封包数据实时采集技术

网络数据的采集是设计网络工具的关键技术,本文介绍了一种基于WinPcap的网络封包数据实时采集技术,该技术极大地提高了网络封包数据采集的完整性和数据存储的准确性。     

改进RBF模型的医院网络异常信息入侵意图预测

由于在医院网络异常信息入侵意图预测过程中,没有对医院网络数据降维处理,导致预测时间较长、预测准确率较低,为此提出基于改进RBF(Radical Basis Function)模型的医院网络异常信息入侵意图预测算法。通过相关性分析去除医院网络数据冗余并排序,采用RBF多层神经网络对排序后的数据属性进行选择,完成医院网络数据降维处理;根据数据预处理结果,构建贝叶斯攻击图,获取网络潜在入侵攻击路径;在该路径中计算警报关联强度,提取入侵警报证据数据,通过警报证据的监测判断信息入侵概率,获得医院网络的异常信息入侵意图的预测结果。实验结果表明,所提方法的网络异常信息入侵意图预测效率快、准确率高、整体效果好。     

无线传感器网络中一种高效的安全数据融合协议

为了降低无线传感器网络能耗,保障网络安全,设计了一种基于模式码的安全数据融合算法。在传感器网络中借助于模式码进行数据融合,保障采集数据的安全,采用模糊算法获取传感器节点采集数据的状态,只将紧急数据和变化了的一般数据的模式码送到簇头进行处理,实现了网络能耗的最小化。     

基于混沌序列的医院无纸化办公网络自适应加密算法

由于受医院网络自身稳定性的影响,导致无纸化办公网络数据易遭受攻击,为此提出基于混沌序列的医院无纸化办公网络自适应加密算法。通过随机数自动生成密匙,利用三维混沌系统生成混沌序列,产生置乱、分组的密匙序列。基于服务期望设计节点调度算法调度医院无纸化办公网络节点,确保密匙加密时能调度到合适的网络节点。通过云存储与改进背包算法实现医院无纸化办公网络的自适应加密处理。在某医院无纸化办公网络中选取文字、图像以及视频3种数据进行测试。测试结果表明,加密后密文呈现数字状态,不容易引发攻击者的注意;3种数据密文与明文之间的均方误差均较大,最大为258.63;加密后3种数据的数据相关性均大幅减弱,说明该算法能破坏数据原本的相关性,具有良好的网络数据加密能力。     

大数据背景下高校网络思想教育

高校网络思想教育在大数据背景下遇到了机遇和挑战.利用大数据4Vs模型分析法,探究大数据对高校网络思想教育的影响机理,基于大数据背景构建提升高校网络思想教育绩效的框架,提出加强大数据背景下网络思想教育人才队伍建设、搭建教育大数据信息共享平台和建立受教育者的信息反馈机制的建议,从而全面提升新时期高校的网络思想教育水平.     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

大数据环境下网络信息资源的管理与利用研究

介绍了大数据背景下网络信息资源的特征以及国内网络信息资源管理现状,阐述了大数据背景下国内网络信息资源管理内容及目前存在的问题与挑战,探讨了如何围绕信息的生命周期对大数据时代的网络信息资源加以管理与利用。