TY -的A2 Geneiatakis Dimitrios盟——Kozik Rafał盟——Pawlicki Marek盟——ChoraśMichałPY - 2018 DA - 2018/12/20厂商TI -分布式机器学习NetFlow-Based僵尸网络活动检测SP - 8753870六世- 2018 AB -恶毒的技术的最近进展造成情况呈现传统的基于签名的网络攻击检测方法无效。目前,新的改进,有力的解决方案将大数据技术,有效的分布式机器学习,和算法消除数据不平衡问题是必要的。因此,本文的主要贡献是厂商建议的分布式网络安全机器学习方法。特别是,我们提出使用和厂商实现分布式机器学习通过分布式极端学习机器(ELM),分布式随机森林,和分布式随机Boosted-Trees检测僵尸网络。系统的概念框架和体系结构是基于大数据处理与数据挖掘和机器学习技术。在实践中,作为一个用例,我们考虑问题的僵尸网络检测通过分析NetFlows的数据形式。报告结果承诺,表明,该系统可以被认为是一个有用的工具为网络安全的提高。SN - 1939 - 0114 UR - https://doi.org/10.1155/2018/8753870 - 10.1155 / 2018/8753870摩根富林明安全和通信网络PB - Hindawi KW - ER