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:
异常流量检测需要在海量的数据流中检测出网络流量异常,传统的异常流量检测无法自学习和自演进,在复杂、多变的网络环境下面临巨大挑战.机器学习的方法在完成异常流量检测的同时,可以不断地对新的异常流量进行标记和学习,不断地完善异常流量检测系统,提高异常流量检测系统的准确度,并可对未知的异常进行预测与分类.文章对基于机器学习的网络异常流量检测进行分析和比较,包括监督学习、非监督学习、半监督学习下的异常流量检测,指出了基于机器学习的异常流量检测技术的未来发展方向.
推荐文章
基于机器学习的网络异常流量检测方法
机器学习
ANFIS
BP神经网络
网络异常流量检测
基于深度学习的网络流量异常检测方法
网络安全
流量异常
流量检测
深度学习
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
基于层叠模型的网络流量异常检测方法
异常检测
层叠模型
小波变换模极大
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 基于机器学习的网络异常流量检测研究
来源期刊 信息通信 学科 工学
关键词 网络安全 异常流量检测 机器学习
年,卷(期) 2017,(12) 所属期刊栏目 技术创新
研究方向 页码范围 39-42
页数 4页 分类号 TP181
字数 6413字 语种 中文
DOI
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 陈胜 湖北大学计算机与信息工程学院 15 168 7.0 12.0
2 祁小云 湖北大学计算机与信息工程学院 12 69 3.0 8.0
3 吴梦宇 湖北大学计算机与信息工程学院 6 14 1.0 3.0
4 朱国胜 湖北大学计算机与信息工程学院 12 28 3.0 5.0
6 吴善超 湖北大学计算机与信息工程学院 6 14 1.0 3.0
9 雷龙飞 湖北大学计算机与信息工程学院 4 14 1.0 3.0
10 镇佳 湖北大学计算机与信息工程学院 3 17 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (111)
共引文献  (203)
参考文献  (28)
节点文献
引证文献  (12)
同被引文献  (60)
二级引证文献  (10)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(12)
  • 参考文献(1)
  • 二级参考文献(11)
2008(13)
  • 参考文献(0)
  • 二级参考文献(13)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(14)
  • 参考文献(2)
  • 二级参考文献(12)
2011(8)
  • 参考文献(3)
  • 二级参考文献(5)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(15)
  • 参考文献(4)
  • 二级参考文献(11)
2014(13)
  • 参考文献(6)
  • 二级参考文献(7)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(6)
  • 参考文献(5)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(15)
  • 引证文献(5)
  • 二级引证文献(10)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络安全
异常流量检测
机器学习
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
信息通信
月刊
1673-1131
42-1739/TN
大16开
湖北省武汉市
1987
chi
出版文献量(篇)
18968
总下载数(次)
92
总被引数(次)
34323
论文1v1指导