基于局部投影降噪和FSVDD的网络流量异常检测

发布时间：2018-01-28 01:13

本文关键词： 局部投影降噪模糊逻辑支持向量数据描述异常检测　出处：《计算机应用研究》2013年05期 　论文类型：期刊论文

【摘要】：现有残差比较等异常检测方法只能在突变阶段检测异常,检测率较低。综合考虑网络流量中包含的所有特征,对网络中的多种协议流量指标分别进行局部投影降噪处理,将各流量分解为流量趋势部分和噪声流量部分,以这两部分为参量通过支持向量数据描述建立检测模型,并通过对样本的模糊化处理提高模型的泛化性。实验表明该方法适合于检测拒绝服务攻击引起的流量异常,与传统的阈值比较方法相比能够获得更高的异常检测率和更低的误报率。
[Abstract]:Comparison of existing residual anomaly detection method for anomaly detection in the only mutation stage, low detection rate. All the characteristics include comprehensive consideration of network traffic, a variety of protocols in the network flow index were local projection noise reduction processing, the flow is divided into flow trend and noise in the flow, the two part is through the parameter support vector data description based detection model, and through the sample of fuzzy processing to improve the generalization of the model. Experimental results show that this method is suitable for detecting denial of service attacks caused by traffic anomaly, compared with the traditional threshold method can obtain the abnormal higher detection rate and lower false alarm rate.

【作者单位】：空军工程大学空管与领航学院;空军工程大学信息与导航学院;
【基金】：国家自然科学基金资助项目(61003252) 全军军事学研究生课题资助项目(2011JY002-524) 空军工程大学创新基金资助项目(201105)
【分类号】：TP393.06
【正文快照】： 0引言网络流量是记录和反映网络以及用户活动的重要载体,它出现异常主要是由于蠕虫传播、DoS攻击、DDoS攻击、僵尸网络等恶意网络攻击行为以及网络配置失误、偶发性线路中断等引起的[1]。对网络流量的异常检测能够准确反映网络的状况,有助于提升网络管理效能,辅助故障定位和

【参考文献】