一种半监督联合模型下的异常流量检测算法

• 作者: 程东年 程国振 许倩
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 异常检测 多维特征 半监督联合 非线性优化 模糊C均值聚类
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 计算机网络研究
• 页码范围: 1242-1247
• 页数: 6页
• 分类号: TP393
• 字数: 7680字
• 语种: 中文

摘要

网络异常通常表现在多维特征中,而当前检测方法局限于一维特征或者多维特征的简单组合,使系统检测率低、误报率高.同时,有监督学习需要大量训练数据,而无监督学习准确率不足.因此,本文提出半监督联合模型(Semi-Supervised Combination,SMC)对数据的多维特征进行检测,通过解决非线性优化问题使联合过程信息损失最小化,较好地处理了噪声与孤立点.半监督学习方式利用少量已标记数据使模型更准确.本文以模糊C均值聚类(Fuzzy C-Means,FCM)作为基本检测器,经过实验验证,在目标误报率下基于SMC模型的异常检测算法的准确率比单个基本检测器提高了10％到20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程东年		43	237	8.0	14.0
2	程国振		29	149	7.0	11.0
3	许倩		3	9	2.0	3.0