基于属性关联及匹配差异度的数据流异常检测

作     者：琚春华 李耀林 JU Chunhua;LI Yaolin

作者机构：浙江工商大学计算机与信息工程学院浙江杭州310018 浙江工商大学现代商贸研究中心浙江杭州310018 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2013年第48卷第1期

页      面：107-115页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(71071141) 浙江省自然科学基金重点项目(Z1091224) 教育部博士点基金资助项目(20103326110001) 

主　　题：数据流 关联规则 差异度 增量式异常检测 概念漂移 

摘      要：为解决类别属性数据流异常点检测问题,针对事务数据流环境,提出了基于属性关联及匹配差异度的数据流异常检测模型AAMDD(attribute associations and match difference degree).AAMDD模型离线构建一个关联规则库,并对其进行增量式更新.同时,利用时间敏感型滑动窗口(time-sensitive sliding windows,TimeSW)维护数据流数据,每经过一个时间跨度,就将当前窗口中每条数据包含的项集与关联规则库进行匹配,计算匹配差异度,根据匹配差异度的不同在线检测异常点.此外,给出了与AAMDD模型相对应的算法AAMDD-algorithm.实验结果表明,AAMDD-algorithm比FODFP-Stream算法的效率和检测精确度分别平均提高了37.43%和5.51%,并且AAMDD-algorithm的查全率保持在77%以上,可用于事务型数据流异常检测.