基于主题模型的网络异常行为分类学习方法研究

• 作者: 张博锋 王勇军 马钲然
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 主题模型 异常行为 分类器
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 2015年第三届CCF大数据学术会议
• 页码范围: 57-60,81
• 页数: 5页
• 分类号: TP309
• 字数: 5338字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.9.010

摘要

提出了一种新的用于学习和分辨网络异常行为的方法.与之前的工作相比,将采用主题模型对网络异常行为进行建模并构建分类器.根据连接的分类标签,在训练模型之前将数据集分成两部分,即正常的部分和异常的部分.通过分析模型参数对结果的影响可以发现α(主题的狄利克雷参数)和主题数量对于预测结果具有正相关性,而β(特征号的狄利克雷参数)对于预测结果具有负相关性.通过KDDCUP'99数据集对该模型进行评估,结果显示预测的准确度达到91.69％,比SVM等算法在正常和异常行为分类上的表现更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张博锋	国防科学技术大学计算机学院	8	753	5.0	8.0
2	王勇军	国防科学技术大学计算机学院	34	210	8.0	13.0
3	马钲然	国防科学技术大学计算机学院	1	4	1.0	1.0