基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
从非平稳时间序列的分布函数及其参数入手,主要研究分布函数不变分布参数变化的这一类非平稳的时间序列异常点检测方法,提出了基于超统计的异常检测方法,并将其应用于非平稳网络流量时间序列.从网络流量的非平稳和突发性特点出发,特别考虑到由于攻击流量所引起的流量特性的变化,结合超统计理论,主要研究分布参量的变化.根据超统计的理论,先应建立分布统计模型,研究分布模型不同参数变化对分布的决定性作用,从而将异常网络流量的检测研究转化成对慢变量参数序列的检测研究.该检测方法大大降低了计算的复杂度.通过大量实验表明该方法具有良好的效果.
推荐文章
一种不确定连续时间序列的Top-◢K◣异常检测算法
连续时间序列
异常检测
不确定数据
Top-◢K◣排序
基于KPCA的多变量时间序列数据异常检测方法研究
多变量时间序列
异常检测
KPCA
vMF分布
基于时间序列聚类的轨迹停留点检测算法
轨迹数据
停留点
数据场
时间序列聚类
一种基于图像邻域灰度变化的角点检测改进方法
角点检测
灰度变化
Harris算法
SUSAN算法
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 一种基于超统计理论的非平稳时间序列异常点检测方法研究
来源期刊 计算机科学 学科 工学
关键词 时间序列 非平稳 超统计 网络流量
年,卷(期) 2011,(6) 所属期刊栏目 计算机网络与信息安全
研究方向 页码范围 93-95,117
页数 分类号 TP31
字数 4659字 语种 中文
DOI 10.3969/j.issn.1002-137X.2011.06.022
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 熊伟 华中科技大学图像识别与人工智能研究所 106 672 13.0 20.0
2 胡汉平 华中科技大学图像识别与人工智能研究所 42 472 11.0 20.0
3 杨越 华中科技大学图像识别与人工智能研究所 8 27 3.0 5.0
5 丁帆 华中科技大学图像识别与人工智能研究所 3 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (10)
同被引文献  (36)
二级引证文献  (47)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(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)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(5)
  • 引证文献(3)
  • 二级引证文献(2)
2016(9)
  • 引证文献(2)
  • 二级引证文献(7)
2017(13)
  • 引证文献(1)
  • 二级引证文献(12)
2018(16)
  • 引证文献(1)
  • 二级引证文献(15)
2019(9)
  • 引证文献(1)
  • 二级引证文献(8)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
时间序列
非平稳
超统计
网络流量
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导