基于大数据的铁路时间同步网异常流量检测系统的研究

• 作者: 兰丽 刘思雨 周净毓 张友鹏 张妍 李响
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 网络流量 异常流量检测系统 K-Means Spark 铁路时间同步网
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 高速铁路技术与智慧交通
• 页码范围: 306-313
• 页数: 8页
• 分类号: U285.5
• 字数: 5462字
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20190478

摘要

为快速准确地识别铁路时间同步网所受到的恶意攻击,设计一种基于大数据的铁路时间同步网异常流量检测系统.该系统首先采用无监督学习算法K-Means对部分数据进行训练,形成最优聚类模型,并通过该模型实现对异常流量的检测.将已标记的时间同步网数据输入系统,测试系统对异常流量的检测准确率及速度是否满足铁路时间同步网的要求.对系统识别出的异常流量特征进行分析,找出相关性较高的典型特征类型,并结合铁路时间同步网结构,针对该类型特征提出初步的攻击防御建议.研究结果表明:基于大数据的异常流量检测系统聚类时间70.434682 s及准确率98.36％均满足大数据网络环境下铁路时间同步网的要求;基于时间和主机的网络流量统计特征可以为提升铁路时间同步网的安全性提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张友鹏	兰州交通大学自动化与电气工程学院	151	1113	16.0	25.0
2	兰丽	兰州交通大学自动化与电气工程学院	21	87	6.0	8.0
11	李响	兰州交通大学自动化与电气工程学院	3	1	1.0	1.0
12	周净毓	兰州交通大学自动化与电气工程学院	3	0	0.0	0.0
13	刘思雨		1	0	0.0	0.0