[发明专利]一种基于大数据的商业网站安全维护方法

说明书

本发明提供了一种基于大数据的商业网站安全维护方法，包括：包括以下步骤：获取数据；数据收集和清理；双层数据聚类分析；个性化展示。本发明采用两层聚类模型，不仅可以根据日志数据的复杂性、特殊性和模糊性进行有效的聚类和降维分析，而且可以提高数据操作的效率和准确性，能够以有限的资源处理大量数据，在海量数据规模下实现高效的聚类，为商业网站维护人员提供了一种有效的在大数据环境下观察数据，维护网站安全的方法。

技术领域

本发明属于商业分析领域，具体涉及一种基于大数据的商业网站安全维护方法。

背景技术

人类社会已经进入了一切都可以数字化的大数据时代，如何通过有限的资源高效地分析海量数据，从复杂的数据中获取有价值的信息，是当今企业的共同需求。随着互联网技术的快速发展,越来越多的信息系统硬件设备和复杂的网络。同时，网络的日益开放也加剧了网络安全领域的各种问题。

这些行为不仅影响网站的正常运行，而且增加了商业秘密或客户隐私信息泄露的风险，给企业带来重大的经济损失。解决网络安全问题是保证计算机网络更好应用的基础，而对网络日志数据的分析是企业网站运维中最直接的安全故障分析手段。当访问者访问企业网站时，所有访问信息，包括攻击者的攻击事件和行为，都会以日志的形式记录在网站的服务器上。因此，通过对日志数据的分析，可以客观有效地了解网站的网络安全状况，实现安全事件分析、运行分析以及性能故障排除等工作。由于每个访问者每次访问网站时会产生许多日志信息，网络日志数据随着访问者的增加而不断增加，数量巨大。此外，有许多类型的日志信息，内容的完整性和可用性也不相同。因此，如何解析不断变化的日志格式和处理TB级的海量日志容量是实现网络日志数据分析的关键。

发明内容

在此基础上应用需求,本发明提供了一种基于大数据的商业网站安全维护方法，采用两层聚类模型，不仅可以根据日志数据的复杂性、特殊性和模糊性进行有效的聚类和降维分析，而且可以提高数据操作的效率和准确性，能够以有限的资源处理大量数据,在海量数据规模下，实现高效的聚类，为商业网站维护人员提供了一种有效的在大数据环境下观察数据，维护网站安全的方法。

本发明的一种基于大数据的商业网站安全维护方法，包括以下步骤：

步骤1：获取数据；

步骤2：数据收集和清理；

步骤3：双层数据聚类分析：采用自组织映射算法模型对第一层数据进行聚类分析，采用模糊C均值聚类算法模型对第二层数据进行聚类分析；

步骤4：个性化展示：通过二维坐标图进行展示。

进一步的，在步骤3中，自组织映射算法模型的构建包含以下步骤：

步骤3.1：初始化；将向量及其对应的权向量矩阵进行归一化，使不同角度和长度的向量成为相同方向和长度为1的单位向量；T表示两个向量之间的最大值；

步骤3.2：通过计算向量内积的值，找到获胜神经元：当一个向量随机输入到输入层时，将竞争层中所有神经元对应的权向量与输入向量进行相似性比较；内积值越大，相似性越高；相似度最大的权重向量被判定为获胜神经元；

x^Tx_i＝||x||||x_i||cosθ；

步骤3.3：调整权重系数：只有获胜神经元可以调整权值向量，e(t)为学习率；

步骤3.4：修改e(t)学习率，当迭代次数达到最大值时输出结果；否则，重复步骤3.2，直到输出结果。