基于大数据技术的网络异常行为检测模型

• 作者: 何梦乙 刘建兰 熊健 覃仁超
• 来源期刊: 计算机测量与控制
• 关键词: 大数据技术 网络异常行为 支持向量机 随机森林 模拟退火
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 62-66,71
• 页数: 6页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.03.014

摘要

针对传统的网络异常检测受数据存储、处理能力的限制,存在准确率较低、误报率较高以及无法检测未知攻击的问题;在Spark框架下结合改进的支持向量机和随机森林算法,提出了一种基于大数据技术的网络异常行为检测模型;使用NSL—KDD数据集进行了方法验证,表明该方法在准确率和误报率方面明显优于传统的检测算法,整体检测的准确率和误报率分别为96.61％和2.92％,DOS、Probe、R2L和U2R四种攻击类型的准确率分别达到98.01％、88.29％、94.03％和66.67％,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃仁超	西南科技大学计算机科学与技术学院	14	34	4.0	5.0
2	刘建兰	西南科技大学计算机科学与技术学院	2	0	0.0	0.0
3	何梦乙	西南科技大学计算机科学与技术学院	2	0	0.0	0.0
4	熊健	西南科技大学计算机科学与技术学院	2	0	0.0	0.0