基于协同训练及数据融合技术的网络异常流量检测

• 作者: 黄翊翔
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 网络安全 网络异常检测 标记数据缺失 半监督学习 数据融合 协同训练
• 年，卷（期）: 2017,（11X）
• 页码范围: 81-82
• 页数: 2页
• 分类号: TP393.08

摘要

随着网络技术的发展,网络安全问题日益严峻。通过网络行为特征所建立的分类模型能够很好地发现海量数据中潜在的异常行为,然而巨大的网络流量数据中往往存在着大量多领域异构信息,如何有效地将各类信息特征融合在一起对于提高模型检测准确率起着至关重要的作用;除此之外,在网络异常检测领域,已被标记为异常的IP地址数量稀少,也导致在有监督学习过程中严重缺乏训练数据。该文介绍了一种基于协同训练分类模型及数据融合技术的网络异常流量检测方法,并通过真实数据的实验对模型进行了验证,结论表示在保证了模型检测准确率的前提下,该模型同时解决了训练数据的稀缺问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄翊翔	同济大学软件学院	2	0	0.0	0.0