计算机上对网络浏览证据准确提取仿真研究

作者：王晓立

来源：计算机仿真, 2017, 34(07): 240-243.

• 网络浏览证据
• 数据挖掘算法
• 痕迹提取

在计算机上对网络浏览证据准确提取,可以协助追查泄露信息。首先应对网络浏览文本数据进行分类,挖掘分类后的频繁项集,构成满足阈值要求的网络浏览文本痕迹记录并进行提取,最终实现对网络浏览证据准确提取,但是传统方法通过计算两点距离,采用平方和直接比较结果完成提取,但是不能对网络浏览文本数据进行分类,无法挖掘其中的频繁项集,导致不能获取相关阈值对网络浏览证据提取,提出一种数据挖掘的计算机上对网络浏览证据准确提取方法。首先,运用朴素贝叶斯算法对网络浏览文本数据进行预测并将其归类,对每个训练样本数据进行计算,并求解出其分类到某个类别的概率,对比预测结果后将样本归并到高级别概率中,实现文本数据的归类;然后,利用频繁序列模式挖掘算法,对归类后的文本数据时间序列结构进行分析,通过采用可信度与支持度阈值规则,从文本数据时间序列中找到频繁序列,构成满足阈值要求的网络浏览文本痕迹记录并进行提取,最终实现对网络浏览证据准确提取。仿真结果表明,文中数据挖掘算法与计算机痕迹提取技术相结合,有效地提高了提取网络浏览证据的效率。