基于K-means和naive Bayes的数据库用户行为异常检测研究
针对数据库用户行为异常导致数据库泄露问题，提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法。首先，利用数据库历史审计日志中用户的查询语句与查询结果，采用K-means聚类方法得到用户的分组；然后，使用naive Bayes分类算法构造用户异常检测模型。与单独使用naive Bayes分类法构造的模型相比，在数据预处理时其精简了用户行为轮廓的表示方法，降低了计算冗余，减少了81%的训练时间；利用K-means聚类方法得到用户组别，使检测的精确率提高了7.06%，F1值提高了3.33%。实验证明，所提方法大幅降低了训练时间，取得了良好的检测效果。
文件下载
评论信息
其他资源
- RichTextBox控件
- 电子商务ER图
- 化工厂三维模型。fbx
- MFC 自定义 MessageBox
- java实验项目源码及报告（超详细）.rar
- 海思芯片技术手册资料整理.zip
- 基于二次型性能指标学习算法的单神经元自适应PID控制MATLAB仿真代码
- CAD文字批量提取至EXCEL
- 车牌识别毕业设计，不错的参考
- KEPserver4.5重金淘宝买的破解版软件
- PyQt5快速开发与实战.zip
- TPM各功能的简单实现
- 005-xx地产的新员工培训.ppt
- WST 500.50-2016电子病历共享文档规范第50部分：住院病程记录死亡记录.pdf.rar
- html javascript js制作加载进度条.loading
- flutter 1.22.5
- tensorflow迁移学习
- 用vc++ mfc 编写的一个网页浏览器
- 中奖问题,随机产生7个数，注意不能重复
- 数字信号处理中C#语言求卷积
- ios的音乐播放器的界面完整版
- scratch2.0的源码分析
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明