智能巡逻异常检测：大数据分析新方法

"这篇研究论文探讨了如何利用大数据分析来改进智能巡逻中的异常检测方法，以降低误报率并提高效率。当前的网络异常检测主要依赖于单一的网络元素性能参数阈值，但这种方法存在效率低和误报率高的问题。论文作者Xiaoqing Deng来自四川文化艺术学院智能制造学院，他提出了一种新方法，该方法结合网络元素性能数据和日志信息进行深度挖掘，以更有效地检测网络异常。 日志文件通常包含大量的、多样化的数据，其结构复杂且隐藏着丰富的信息。通过解析和分析这些日志，可以揭示网络异常与时间之间的关联性。论文中提到了大数据挖掘技术的应用，它能提升数据处理的效率。然而，仅仅依赖日志分析来发现网络异常还不够精确，因此，论文进一步提出将日志分析与巡逻系统收集的性能指标相结合，利用序列分析算法来提升网络异常检测的准确性和效率。 该研究发表在《计算机与通信》期刊上，2019年7月的第7期，文章编号为JCC.2019.78001，国际标准在线 ISSN 为2327-5227，国际标准印刷 ISSN 为2327-5219，DOI 为10.4236/jcc.2019.78001。此研究对于智能巡逻系统的优化和网络安全监控具有重要的理论与实践意义，为异常检测提供了新的思路和方法。" 这篇论文深入研究了大数据在智能巡逻系统中异常检测的应用，通过结合网络元素性能数据和日志分析，提出了一个更加精确和高效的检测框架。大数据分析不仅可以处理大量复杂数据，还能揭示潜在的模式和趋势，这对于及时识别网络异常至关重要。序列分析算法的引入则进一步增强了检测的精度，减少了假警报的可能性。这一方法对于提升智能巡逻系统的效能，保障网络安全具有重要的参考价值。