刘泽科,佘轩铭,王林沛,罗淑珍

本文研究了基于大数据分析的网络威胁实时检测模型的优化问题。网络攻击手段日益复杂，传统的安全防护技术已无法有效应对多样化的威胁。基于大数据的检测模型，通过实时分析海量数据，结合机器学习和深度学习技术，能够提高威胁检测的准确性和效率。现有模型在实时性和准确性方面仍面临挑战，如何进一步优化这些模型，提升其处理能力和响应速度，成为当前研究的关键。优化后的检测模型能够更好地应对复杂的网络威胁，为信息安全提供更强有力的保障。

大数据分析；网络威胁；实时检测；优化算法；机器学习

[1] 张鹏,刘文俊.基于深度学习的网络威胁检测技术研究[J].计算机工程与应用,2022,58(6):134-140. [2] 高阳,赵建国.网络威胁检测中的大数据分析技术[J].信息技术与信息化,2023,41(3):112-118. [3] 徐海波,周建明.网络攻击模式与检测模型优化方法研究[J].网络安全技术与应用,2021,10(4):89-94. [4] 李成斌,黄华.基于机器学习的网络安全防护策略分析[J].信息安全研究,2023,5(1):56-63. [5] 王涛,李锋.面向大数据的实时网络威胁检测方法[J].信息系统与电子学,2022,39(2):210-215.

点击下载PDF