FP-array在计算机犯罪挖掘中的应用

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

FP-array在计算机犯罪挖掘中的应用

李献礼, 陈业纲

文章导航 > 电子科技大学学报 > 2009 > 38(4): 592-595

李献礼, 陈业纲. FP-array在计算机犯罪挖掘中的应用[J]. 电子科技大学学报, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

引用本文:

李献礼, 陈业纲. FP-array在计算机犯罪挖掘中的应用[J]. 电子科技大学学报, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

LI Xian-li, CHEN Ye-gang. Computer Crime Data Mining Based on FP-array[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

Citation:

LI Xian-li, CHEN Ye-gang. Computer Crime Data Mining Based on FP-array[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

FP-array在计算机犯罪挖掘中的应用

doi: 10.3969/j.issn.1001-0548.2009.04.027

李献礼¹,
陈业纲²

1.
长江师范学院网络信息中心重庆涪陵 408000;
2.
长江师范学院计算机科学系重庆涪陵 408000

基金项目:

重庆市教委科学研究项目(KJ091305)

作者简介:
李献礼(1960-)，男，副教授，主要从事数据挖掘方面的研究.

中图分类号: TP311.131

Computer Crime Data Mining Based on FP-array

LI Xian-li¹,
CHEN Ye-gang²

1.
Computer Network Information Center,Yangtze Normal University Fuling Chongqing 408000;
2.
Department of Computer Science,Yangtze Normal University Fuling Chongqing 408000

摘要: 针对现代社会计算机犯罪中电子证据的收集难度很大，且海量的电子证据之间的相关性不易分析的问题，对基于FP-Tree的最大频繁模式(FP-Max)挖掘算法的优缺点进行了分析，根据FP-Max算法所存在的缺点并结合实际提出一种通过构建FP矩阵的FP-array的高性能关联规则挖掘算法，并将该算法用于典型的计算机犯罪电子证据的相关性数据挖掘中，可用于成功地挖掘比较常见的五类计算机犯罪数据，挖掘结果可为实际的破案过程提供重要参考。
- 关联规则 /
- 最大频蘩模式 /
- 频繁项集 /
- FP-array /
- 最大频繁模式
Abstract: Since the electronic evidence is difficult to collect in the computer crime in morden society, a new high-performance algorithm for mining association rules based on the construction of the FP-array is proposed according to the discuss of the maximal frequent patterns (FP-Max) algorithm based on FP-tree. Five kinds of common data of computer-related crime are mined successfully by using the new algorithm. The mining results can provide important reference in actual detection process.
- association rules /
- data mining /
- frequent item sets /
- FP-array /
- FP-Max

[1]	夏虎, 黄文茜. 基于上下文相关的未知实体词识别方法 . 电子科技大学学报, 2016, 45(5): 839-844. doi: 10.3969/j.issn.1001-0548.2016.05.022
[2]	牛新征, 牛嘉郡, 苏大壮, 佘堃. 基于FP-Tree模型的频繁轨迹模式挖掘方法 . 电子科技大学学报, 2016, 45(1): 86-90. doi: 10.3969/j.issn.1001-0548.2016.01.014
[3]	何晓霜, 瞿孟虹, 游凌. 同频混合信号参数联合最大似然递归估计 . 电子科技大学学报, 2015, 44(3): 339-343. doi: 10.3969/j.issn.1001-0548.2015.03.004
[4]	郭兴明, 袁志会, 丁晓蓉. 经验模式分解及关联维数在心音信号分类识别中的应用 . 电子科技大学学报, 2013, 42(6): 955-960. doi: 10.3969/j.issn.1001-0548.2013.06.028
[5]	李学明, 杨阳, 秦东霞, 周尚波. 基于频繁闭项集的新关联分类算法ACCF . 电子科技大学学报, 2012, 41(1): 104-109. doi: 10.3969/j.issn.1001-0548.2012.01.020
[6]	唐伟, 郭伟. WSN聚合数据率约束最大生命期路由 . 电子科技大学学报, 2011, 40(1): 30-35. doi: 10.3969/j.issn.1001-0548.2011.01.006
[7]	于江德, 李学钰, 樊孝忠, 庞文博. 最大熵模型的事件分类 . 电子科技大学学报, 2010, 39(4): 612-616. doi: 10.3969/j.issn.1001-0548.2010.04.030
[8]	张玉芳, 熊忠阳, 彭燕, 刘君. 基于兴趣度含正负项目的关联规则挖掘方法 . 电子科技大学学报, 2010, 39(3): 407-411. doi: 10.3969/j.issn.1001-0548.2010.03.018
[9]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[10]	朱颢东, 李红婵. 关于Top-N最频繁项集挖掘的研究 . 电子科技大学学报, 2010, 39(5): 757-761,773. doi: 10.3969/j.issn.1001-0548.2010.05.023
[11]	武斌, 杨义先, 郑康锋. 入侵检测中基于序列模式的告警关联分析 . 电子科技大学学报, 2009, 38(3): 415-418. doi: 10.3969/j.issn.1001-0548.2009.03.023
[12]	李彤岩, 肖海林, 李兴明. 通信网告警加权关联规则挖掘算法的研究 . 电子科技大学学报, 2008, 37(6): 807-810.
[13]	吴斌, 郭贤生. 基于粗集规则编码的神经网络控制器设计 . 电子科技大学学报, 2006, 35(5): 798-800,836.
[14]	张岗亭, 姜晓兵, 王书振. 网络最大流Pareto扩充研究 . 电子科技大学学报, 2006, 35(1): 89-92.
[15]	王忠群, 谢晓东. 面向活动模式的Agent组织协同规则的重用 . 电子科技大学学报, 2005, 34(3): 385-388.
[16]	方英武, 张广鹏, 吴德伟, 黄玉美, 赵修斌, 王轶. 分布式数据挖掘计算过程——DDCP算法研究 . 电子科技大学学报, 2003, 32(1): 80-84.
[17]	黄进, 尹治本. 关联规则挖掘的Apriori算法的改进 . 电子科技大学学报, 2003, 32(1): 76-79.
[18]	石晶, 龚震宇, 裘杭萍. 基于Web使用挖掘的个性化服务系统 . 电子科技大学学报, 2002, 31(4): 399-403.
[19]	邹琪, 皮亦鸣, 黄顺吉. 极化SAR图像的多纹理最大似然估计 . 电子科技大学学报, 2001, 30(2): 120-123.
[20]	邹传云, 黄香馥, 敖发良, 张德琨. 光PPM取样信号的最大似然解调 . 电子科技大学学报, 1999, 28(3): 247-250.

WeChat

点击查看大图

计量

文章访问数: 3429
HTML全文浏览量: 112
PDF下载量: 64
被引次数: 0

FP-array在计算机犯罪挖掘中的应用

doi: 10.3969/j.issn.1001-0548.2009.04.027

李献礼¹,
陈业纲²

1. 长江师范学院网络信息中心重庆涪陵 408000;

2. 长江师范学院计算机科学系重庆涪陵 408000

基金项目:

重庆市教委科学研究项目(KJ091305)

作者简介:
李献礼(1960-)，男，副教授，主要从事数据挖掘方面的研究.

收稿日期: 2008-07-21
修回日期: 2009-03-26
刊出日期: 2009-08-15

中图分类号: TP311.131

关键词:

摘要: 针对现代社会计算机犯罪中电子证据的收集难度很大，且海量的电子证据之间的相关性不易分析的问题，对基于FP-Tree的最大频繁模式(FP-Max)挖掘算法的优缺点进行了分析，根据FP-Max算法所存在的缺点并结合实际提出一种通过构建FP矩阵的FP-array的高性能关联规则挖掘算法，并将该算法用于典型的计算机犯罪电子证据的相关性数据挖掘中，可用于成功地挖掘比较常见的五类计算机犯罪数据，挖掘结果可为实际的破案过程提供重要参考。

English Abstract

李献礼, 陈业纲. FP-array在计算机犯罪挖掘中的应用[J]. 电子科技大学学报, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

引用本文:

李献礼, 陈业纲. FP-array在计算机犯罪挖掘中的应用[J]. 电子科技大学学报, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

LI Xian-li, CHEN Ye-gang. Computer Crime Data Mining Based on FP-array[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

Citation:

LI Xian-li, CHEN Ye-gang. Computer Crime Data Mining Based on FP-array[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(4): 592-595. doi: 10.3969/j.issn.1001-0548.2009.04.027

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发