[发明专利]一种基于大数据的商业网站安全维护方法

权利要求书

1.一种基于大数据的商业网站安全维护方法，其特征在于，包括以下步骤：

步骤1：获取日志数据，每个日志数据包含访客基本信息、注册天数、登录时间、用户权限级别、客户端浏览器、源IP、登录邮箱、连续登录天数等重要信息，根据这些信息与网络安全事件的关联程度，提取以上日志数据维数作为双层聚类分析的输入值；

步骤2：数据收集和清理：根据日志数据与网络安全事件的相关性，并将日志数据分为相应个数的簇；

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；

其中，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；

步骤4：个性化展示：通过二维坐标图进行展示。

2.根据权利要求1所述的一种基于大数据的商业网站安全维护方法，其特征在于，所述模糊C均值聚类算法模型的构建包含以下步骤：

步骤3.2.1:对初始矩阵J(U，C₁，C₂...C_C)进行随机划分，初始化聚类中心P和距离T，使矩阵的值满足归一化条件，矩阵的所有隶属度之和等于1。

(k＝1,2，……n)，u_ik表示X_k对第i个样本的隶属度；

步骤3.2.2:计算每个模糊组的聚类中心P，其中m是一个加权指数；

步骤3.2.3:通过计算各模糊组的聚类中心P和样本数据的目标函数得到新的函数矩阵J_m；

d_ik表示样本点X_k到第i类样本与聚类中心P_i之间的距离；

d_ik²＝||X_k-P_i||＝(X_k-P_i)^TA(X_k-P_i)；

步骤3.2.4:用拉格朗日算子F求解极值，使目标函数达到最小值，重复步骤3.2.2，直到得到最优解；其中λ是参数；

3.根据权利要求1所述的一种基于大数据的商业网站安全维护方法，其特征在于，步骤4中的个性化显示包括：采用T分布邻域嵌入算法将双层聚类模型计算得到的多维测井数据映射到二维坐标图上。