基于改进的邻近点异常检测算法的异常检测系统研究与实现

发布时间：2019-07-26 08:49

【摘要】：随着人们对于计算机网络服务的需求与日俱增，网络技术日益发展，因此网络规模变得越发复杂，每日的网络流量也急剧增长。而在这样一个庞大而且复杂的模型面前，遇到了许多异常问题，比如过大的网络流量超过服务器缓冲区负载导致系统崩溃，恶意用户利用各种方法攻击和入侵服务器等。不同的异常情况会给系统带来不同的损失，轻则降低系统性能，重则使系统崩溃，丢失重要数据。所以为了保证网络系统的稳定性，安全性和高效性，需要避免这些异常情况的发生。 本文深入分析LOF邻近点异常检测算法，通过实验发现其两点不足，，一是当数据维度之间存在拟线性关系时异常值的计算不合理，根据该不足，提出利用马氏距离代替传统的欧氏距离，解决了该问题，并利用线性变换使算法时间复杂度与之前相同。二是当数据中存在两个不同密度的集群，并且两个集群在多维空间位置上相邻时对于相邻的边缘数据点出现许多误报的情况，针对该不足，提出局部影响集合的概念，利用反最近邻集合与最近邻集合结合使用，解决了该问题。相比于传统的LOF算法，本文提出的算法在运行时间上几乎相同的情况下，做到了更好的检测效果。
【图文】：

上海交通大学硕士学位论文入侵检测、云端漏洞扫描、和云端攻击防御等云安全和网络安全功能集成为一体，形成一个完整的统一威胁管理（UTM）云安全防火墙一体机产品和系统。其目的是面向中小企业基于云和网络办公、商务运营需求，特别是电商、网游等商家，降低初期安全设备投入；同时面向大中型企事业单位向大规模云计算平台迁移的需求，降低总体使用成本，替代分立的网络安全设备，促进用户运营向安全稳定可靠云计算网络方向发展。新型云安全防火墙一体机产品，将企业内部局域网与外部因特网隔离开来，在保证内外网之间通信流量和性能的同时，保证内网安全，免受网络攻击造成的故障和泄密。

图 2-1 LOF 算法流程Figure.2-1 LOF algorithm flow近邻数据点算法。 Neighbor）算法是在一个多维据点。此算法在机器学习，图析算法。但由于不同算法对于同，所以在不同算法[23-30]中的中，实现 K 最近邻算法有一个复杂度十分大，严重影响系常检测算法，需要利用具有多
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.08

【参考文献】

相关期刊论文 前2条

1 陈斌;邹贤勇;朱文静;;PCA结合马氏距离法剔除近红外异常样品[J];江苏大学学报(自然科学版);2008年04期

2 王斌会,陈一非;基于稳健马氏距离的多元异常值检测[J];统计与决策;2005年06期

本文编号：2519461