原文服务方: 科技与创新       
摘要:
提出了一种小波分析和AR模型结合的实时网络异常检测模型.利用小波分析的多尺度特性,将网络流量分解为多层频率成分更加单一,更易于估计的细节层次,然后在各个不同的细节层次上,采用AR预测模型进行异常检测.与现有模型相比,这种模型有较高的准确度.
推荐文章
基于AR模型的网络异常检测
流量异常
异常检测
MIB变量
统计量
基于高阶AR模型的网络异常检测
网络异常检测
AR模型
遗传算法
基于NB分类方法的网络异常检测模型
网络异常检测
朴素贝叶斯网络
贝叶斯分类方法
基于时间序列分析的网络流量异常检测
网络系统
流量异常检测
灰色模型
小波分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Wavelet_AR的网络异常检测
来源期刊 科技与创新 学科
关键词 异常检测 小波分析 多尺度分析
年,卷(期) 2010,(6) 所属期刊栏目 信息安全
研究方向 页码范围 73-75
页数 分类号 TP391.9
字数 语种 中文
DOI 10.3969/j.issn.2095-6835.2010.06.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴斌 西南科技大学信息工程学院 98 676 13.0 22.0
2 况忠林 西南科技大学信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (18)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (30)
二级引证文献  (1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
异常检测
小波分析
多尺度分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导