基于信息增益特征选择的网络异常检测模型

发布时间：2017-11-16 23:10

  本文关键词：基于信息增益特征选择的网络异常检测模型

  更多相关文章： 网络异常检测 信息增益 特征选择 分类 随机森林

【摘要】：针对网络异常检测中数据的高维特征会影响检测率和实时检测效率等问题,提出了一种基于信息增益特征选择的网络异常检测模型。首先,预处理器将网络流量数据规范化;其次,基于信息增益降维方法的特征选择器选取重要特征,降低数据集的维度;最后,随机森林分类器经过训练和预测得到检测结果。实验中,该模型能够将随机森林分类器的检测率提高0.2%,将检测时间平均缩短19%;在检测率上优于K近邻算法,在误报率、阳性似然比和约登指数方面均优于K近邻和Ada Boost算法。实验结果表明,所提模型能够有效提高检测率,缩短检测时间。
【作者单位】： 北京邮电大学计算机学院;北京邮电大学网络技术研究院;
【基金】：国家863计划项目(2015AA017201)
【分类号】：TP393.06
【正文快照】： 0引言互联网的迅速发展在推进网络技术进步的同时也导致网络安全事件频繁发生,传统的计算机安全理论已不能适应动态变化的、多维互联的网络环境[1]。随着云时代的来临和大数据技术的发展,网络异常事件对网络设备造成的影响更大、范围更广。作为网络异常行为中最突出的问题,网

【相似文献】

中国期刊全文数据库 前10条

1 肖三;杨雅辉;沈晴霓;;基于微簇的在线网络异常检测方法[J];计算机工程与应用;2013年06期

2 狄剑光;陈光英;孙东红;;网络异常检测[J];中国教育网络;2006年05期

3 莫宁;模糊序列模式在网络异常检测中的应用[J];山西电子技术;2003年03期

4 彭新光,马晓丽;会话属性优化的网络异常检测模型[J];计算机工程与设计;2005年11期

5 公慧玲;李致勋;郭勇;;数据挖掘在网络异常检测中的应用[J];计算机安全;2009年05期

6 刘涛;齐爱玲;;基于时间分段的贝叶斯网络异常检测方法[J];信息安全与通信保密;2009年06期

7 刘卫国;邹美群;;一种面向混合攻击的网络异常检测方法[J];计算机系统应用;2009年10期

8 陈晓;;基于模糊序列模式挖掘的网络异常检测[J];电脑知识与技术;2009年36期

9 李致勋;公慧玲;王继成;李德钿;;关联规则在网络异常检测中的应用[J];南昌大学学报(理科版);2010年04期

10 贾伟峰;王勇;张凤荔;童彬;;基于特征压缩与分支剪裁的网络异常检测算法[J];计算机工程;2010年21期

中国重要会议论文全文数据库 前2条

1 李洋;方滨兴;郭莉;田志宏;张永铮;姜伟;;基于TCM-KNN和遗传算法的网络异常检测技术[A];全国网络与信息安全技术研讨会论文集（上册）[C];2007年

2 房鼎益;汤战勇;李元兵;吴晓南;陈晓江;;基于程序行为分析的网络异常检测系统[A];全国网络与信息安全技术研讨会'2005论文集（上册）[C];2005年

中国博士学位论文全文数据库 前3条

1 魏小涛;在线自适应网络异常检测系统模型与相关算法研究[D];北京交通大学;2009年

2 陈宁;网络异常检测与溯源方法研究[D];华中科技大学;2009年

3 郭通;基于自适应流抽样测量的网络异常检测技术研究[D];解放军信息工程大学;2013年

中国硕士学位论文全文数据库 前10条

1 李进文;基于云计算的网络异常检测算法研究[D];郑州大学;2015年

2 薛成龙;基于深度表征的网络异常检测模型研究[D];哈尔滨工业大学;2014年

3 钱坤;基于流量测量的高速IP网络异常检测技术研究[D];解放军信息工程大学;2015年

4 李平;基于投影寻踪回归的网络异常检测机制研究[D];华中科技大学;2011年

5 赵健;基于时间序列分析的社会网络异常检测改进[D];西安电子科技大学;2011年

6 黄锴;基于统计和时序分析的网络异常检测[D];上海交通大学;2009年

7 韩照国;基于相对熵理论的网络异常检测方法[D];西安理工大学;2010年

8 江华;基于组合聚类分析的网络异常检测模型[D];中国民航大学;2013年

9 田雪峰;基于马尔可夫链的网络异常检测系统研究与实现[D];国防科学技术大学;2005年

10 李小雷;基于数据挖掘的网络异常检测技术研究[D];湖南大学;2011年

，

本文编号：1193986