简介:在云计算环境下,对高级持续威胁数据的准确挖掘可以提高云计算网络的安全防御能力.高级持续威胁数据具有极值扰动非线性特征,传统的线性处理方法难以实现对这类数据的准确挖掘.提出一种基于极值扰动非线性特征提取的云计算环境下的高级持续威胁数据挖掘仿真模型,对系统载荷运行情况进行评估,得到云计算下的动态任务调配,分析高级持续威胁数据的极值扰动非线性特性,计算高级持续威胁数据的稳态概率,得到极值扰动非线性特征,对非线性特征进行脉冲响应不变周期标记.实现了高级持续威胁数据极值扰动非线性特征的挖掘,构建数据挖掘模型.仿真实验表明,算法对持续威胁数据的正确检测概率在95%以上,数据挖掘性能优越,在云计算环境下的高级持续威胁数据的检测挖掘等领域应用价值较高,为网络安全系统构建等奠定基础。
简介:云服务市场快速增长,为了节约运营成本,提升用户满意度,云服务定价优化问题受到学术界和云服务提供商的密切关注。本文在Tiebout模型基础上提出了一种基于多元回归的云服务定价优化方法(OptimizedPricingModelforCloudServices,OPMCS)。首先分析Tiebout模型并提炼出影响云服务定价的主要因素;再结合云服务平台特征,利用多元回归建立定价优化模型。模型采用密度峰值聚类对资源进行分类以高效合理地将资源分配给用户。此外,考虑到影响定价的因素会随时间而变化,模型引入动态时间因子进行价格修正。实验结果表明,本文提出的OPMCS具有一定的可用性和合理性。