基于机器学习的网络异常流量识别系统——工具篇
来源:互联网 发布:sql if else语句格式 编辑:程序博客网 时间:2024/06/04 19:00
考虑三个问题:
如何使用机器学习的算法对做好特征的网络流量进行异常识别?
用什么语言?
用什么工具或者软件?
Weka简介
WEKA作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新的交互式界面上的可视化。如果想自己实现数据挖掘算法的话,可以看一看weka的接口文档(doc文件夹)。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。 回答了第一个和第三个问题。
可参考Weka使用教程,翻译的官方的
使用语言
推荐的就是Java,也是weka的开发语言。源代码:http://www.cs.waikato.ac.nz/ml/weka/ 机器学习的算法在weka提供的API中都可以找到,仔细阅读就可以加以利用。当然,最简单的方式要属weka人性化的界面,直接按钮就可以了,但是很显然,做一个系统如何才可以体现工作量?不是点几下出来结果就好了。 回答了第二个问题。
语言、工具介绍完了,再加上前面提到的数据集,开始系统的构建。
0 0
- 基于机器学习的网络异常流量识别系统——工具篇
- 基于机器学习的网络异常流量识别系统——数据篇
- 机器学习实战笔记——基于KNN算法的手写识别系统
- 基于机器学习的数字识别服务端
- 基于机器学习的web异常检测
- 基于机器学习的web异常检测
- 基于机器学习的web异常检测
- 基于机器学习的web异常检测
- Qt+Caffe+OpenCV——【一个基于VGG网络的人脸识别考勤系统】
- 基于C++的机器学习工具
- 机器学习整理笔记——使用k-近邻算法对手写识别系统的测试
- 机器学习—— 基于深度学习的推荐系统的实现
- [机器学习]基于OpenCV实现最简单的数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- 基于深度机器学习算法DBNs的风险识别模型
- Python-opencv学习
- 链表-K-链表实现 双端队列
- Python学习之日志模块详解
- Windows Server2003本地用户的批量导入和导出
- 链表-L-循环链表
- 基于机器学习的网络异常流量识别系统——工具篇
- 504. Base 7
- SpringMVC入门之六:使用Thymeleaf作为视图
- 指针和引用的区别
- 链表-M-Josephus
- 历届试题 兰顿蚂蚁
- 使用Nginx的X-Sendfile机制提升PHP文件下载性能
- Lua与.net的CLR相互调用
- 算术表达式串的求值代码