Resumen

En la actual crisis en curso, las personas principalmente dependen de los teléfonos móviles para todas las actividades, pero el análisis de consultas y la seguridad de datos móviles son problemas importantes. Se han realizado varios trabajos de investigación sobre la detección eficiente de antipatrones para minimizar la complejidad del análisis de consultas. Sin embargo, se necesita prestar más atención al aspecto de la precisión. Además, para agrupar antipatrones similares, se realizó un proceso de agrupamiento para erradicar los errores de diseño. Para abordar los problemas mencionados anteriormente y mejorar aún más la precisión de detección de antipatrones con un tiempo mínimo y una tasa de falsos positivos, en este trabajo se propone la técnica de Clasificación de Consultas SQL de Random Forest Bagging X-means (RFBXSQLQC). Diferentes patrones o consultas se recopilan inicialmente del registro de consultas SQL de entrada y se crean muestras de arranque. Luego, para cada patrón, se construyen varios grupos débiles a través del agrupamiento

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Teléfonos móviles; Análisis de consultas; Antipatrones; Proceso de agrupamiento; Clustering de consultas SQL Bagging de Random Forest X-means; Patrones;
• Keywords:Mobile phones; Query analysis; Antipatterns; Clustering process; Random Forest Bagging X-means SQL Query Clustering; Patterns;