检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

工业网络流量异常检测的概率主成分分析法

西安交通大学学报 2012年第2期46卷 70-75页

作者：侯重远江汉红芮万智刘亮海军工程大学电气与信息工程学院武汉430033

针对主成分分析(PCA)法用于工业测控网络流量异常检测时存在的误报率高的问题,提出了一种基于概率主成分分析(PPCA)的检测算法.首先通过分析误报成因,建立了工业测控网络流量矩阵的PPCA模型,然后使用迭代变分贝叶斯算法辨识该模型的参数... 详细信息

针对主成分分析(PCA)法用于工业测控网络流量异常检测时存在的误报率高的问题,提出了一种基于概率主成分分析(PPCA)的检测算法.首先通过分析误报成因,建立了工业测控网络流量矩阵的PPCA模型,然后使用迭代变分贝叶斯算法辨识该模型的参数,再利用模型参数估计值求解流量矩阵的秩的分布函数并得到秩的极大似然估计值,最后以秩的跃变状况为判据进行异常流量检测.模拟攻击实验表明,该方法使漏报率平均下降了32%,从而有效降低了PCA方法的误报率.

关键词：工业网络流量异常检测主成分分析误报率变分贝叶斯

网络流量异常检测中分类器的提取与训练方法研究

在线全文

学校读者我要写书评

暂无评论

计算机学报 2012年第4期35卷 719-729,F0003页

作者：郑黎明邹鹏贾焰韩伟红国防科学技术大学计算机学院长沙410073 装备指挥技术学院北京100029

随着网络安全领域研究的不断深入,研究者提出了各种类型的流量异常检测方法,基于分类的方法是其中很重要的一类.但是因为网络环境的多样性和动态变化性,在训练数据集上具有很高精度的检测系统实际部署时可能出现大量的误报.文中针对训... 详细信息

随着网络安全领域研究的不断深入,研究者提出了各种类型的流量异常检测方法,基于分类的方法是其中很重要的一类.但是因为网络环境的多样性和动态变化性,在训练数据集上具有很高精度的检测系统实际部署时可能出现大量的误报.文中针对训练模型难于获取以及部署环境的动态变化性问题,对分类器的选择、使用和训练方法进行了研究.首先把网络流量数据投影到不同维度的Hash直方图上构建检测向量,在检测向量的基础上对比了各类分类器,选用能够处理高维数据、泛化能力强的SVDD进行异常检测;采用增减式在线训练算法对分类器进行不断训练,提高异常检测系统的精度并减少训练成本;最后采用多步关联检测算法优化检测精度,并在新增样本中剔除明显的异常样本,减少训练成本提高分类精度.通过大量的真实网络流量数据验证了上述方法具有较高的检准率和较低的误报率,并能够有效减少训练成本.

关键词：流量异常检测直方图支持向量数据描述在线学习关联

基于平衡迭代规约层次聚类的无线传感器网络流量异常检测方案

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2022年第1期44卷 305-313页

作者：郁滨熊俊战略支援部队信息工程大学郑州450000

针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题,该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上,利用BIRCH算法对流量特... 详细信息

针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题,该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上,利用BIRCH算法对流量特征进行聚类,通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程,以提高算法的聚类质量和性能鲁棒性。进一步,设计基于拐点的综合判决机制,结合预测、聚类结果对流量进行异常检测,保证方案的检测准确性。实验结果表明,所提方案在检测效果和检测性能稳定性上具有较为明显的优势。

关键词：无线传感器网络流量异常检测特征维度扩充基于平衡迭代规约层次聚类拐点

在线全文

学校读者我要写书评

暂无评论

基于深度特征学习的网络流量异常检测方法

电子与信息学报 2020年第3期42卷 695-703页

作者：董书琴张斌中国人民解放军战略支援部队信息工程大学郑州450001 河南省信息安全重点实验室郑州450001

针对网络流量异常检测过程中提取的流量特征准确性低、鲁棒性差导致流量攻击检测率低、误报率高等问题,该文结合堆叠降噪自编码器(SDA)和softmax,提出一种基于深度特征学习的网络流量异常检测方法。首先基于粒子群优化算法设计SDA结构... 详细信息

针对网络流量异常检测过程中提取的流量特征准确性低、鲁棒性差导致流量攻击检测率低、误报率高等问题,该文结合堆叠降噪自编码器(SDA)和softmax,提出一种基于深度特征学习的网络流量异常检测方法。首先基于粒子群优化算法设计SDA结构两阶段寻优算法:根据流量检测准确率依次对隐藏层层数及每层节点数进行寻优,确定搜索空间中的最优SDA结构,从而提高SDA提取特征的准确性。然后采用小批量梯度下降算法对优化的SDA进行训练,通过最小化含噪数据重构向量与原始输入向量间的差异,提取具有较强鲁棒性的流量特征。最后基于提取的流量特征对softmax进行训练构建异常检测分类器,从而实现对流量攻击的高性能检测。实验结果表明:该文所提方法可根据实验数据及其分类任务动态调整SDA结构,提取的流量特征具有更高的准确性和鲁棒性,流量攻击检测率高、误报率低。

关键词：流量异常检测深度学习堆叠降噪自编码器粒子群优化

基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第12期45卷 4539-4547页

作者：潘成胜李志祥杨雯升蔡凌云金爱鑫南京信息工程大学南京210044

针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差,忽略了特征之间的相互关系等问题,该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之... 详细信息

针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差,忽略了特征之间的相互关系等问题,该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系,完成数据的一次特征提取,在此基础上,定义一种基于注意力机制的特征重要性权重评估规则,依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重,完成数据的二次特征提取。最后,提出一种“先总分后细分”的设计思想构建网络流量异常检测模型,实现多分类网络流量的异常检测。实验结果表明,该文所提方法在性能上要优于传统单一的模型,并且具有良好的表征能力和泛化能力。

关键词：流量异常检测深度学习二次特征提取双向长短期记忆网络注意力机制

基于KTLAD的电力数据网业务流量异常检测

在线全文

学校读者我要写书评

暂无评论

北京邮电大学学报 2017年第S1期40卷 108-111页

作者：应斐昊邢宁哲纪雨彤纪晨晨李文璟北京邮电大学网络与交换技术国家重点实验室北京100876 国网冀北电力有限公司信息通信分公司北京100053

针对电力数据网对流量异常检测的时效性要求,提出一种改进的局部异常因子异常检测方法 KTLAD.该方法基于密度进行检测,计算每个流量包与附近流量包的分隔程度,无需预先设置流量的具体异常状态,相对传统方法具有很高的灵活性.仿真结果验... 详细信息

针对电力数据网对流量异常检测的时效性要求,提出一种改进的局部异常因子异常检测方法 KTLAD.该方法基于密度进行检测,计算每个流量包与附近流量包的分隔程度,无需预先设置流量的具体异常状态,相对传统方法具有很高的灵活性.仿真结果验证了KTLAD在电力数据网中业务流量异常检测中的可行性,并且有效地降低了时间成本.

关键词：电力数据网流量异常检测 k-d tree based lof anomaly detection

在线全文

学校读者我要写书评

暂无评论

基于熵和线性关系的两级流量异常检测方法

北京邮电大学学报 2018年第4期41卷 56-62页

作者：邱雪松张珣宋彦斌赵兵徐思雅北京邮电大学网络与交换技术国家重点实验室北京100876 北京智芯微电子科技有限公司北京102200 中国电力科学研究院北京100192

提出了一种基于熵和线性关系的两级流量异常检测方法,综合考虑了流量异常检测方法的准确性和实时性要求.该方法在时间域上设定两级动态阈值,采用基于熵的方法对异常时间点进行检测,对熵值变化程度明显的时间点可使用一级阈值检测出来,... 详细信息

提出了一种基于熵和线性关系的两级流量异常检测方法,综合考虑了流量异常检测方法的准确性和实时性要求.该方法在时间域上设定两级动态阈值,采用基于熵的方法对异常时间点进行检测,对熵值变化程度明显的时间点可使用一级阈值检测出来,而对熵值变化程度处于一级阈值和二级阈值之间的时间点采用基于线性关系的方法再次进行检测,并通过定义的报警触发函数识别异常类型.仿真实验结果证明,该方法在准确性和实时性方面优于现有的方法.

关键词：流量异常检测熵线性关系两级阈值

基于FW-PSO的大区域无线传感网络流量异常检测算法

在线全文

学校读者我要写书评

暂无评论

传感技术学报 2023年第7期36卷 1116-1121页

作者：张兵卞利宿迁学院信息工程学院江苏宿迁223800 江苏大学计算机科学与通信工程学院江苏镇江212013

针对大区域无线传感网络流量特征维度较高,现有神经网络算法只能假设所有区域特征一致,导致一旦网络规模过大,会存在较大误差的问题,采用烟花算法优化粒子群算法的搜索能力,设计了一种烟花算法-粒子群优化(Fireworks Algorithm-Particle... 详细信息

针对大区域无线传感网络流量特征维度较高,现有神经网络算法只能假设所有区域特征一致,导致一旦网络规模过大,会存在较大误差的问题,采用烟花算法优化粒子群算法的搜索能力,设计了一种烟花算法-粒子群优化(Fireworks Algorithm-Particle Swarm Optimization,FW-PSO)算法,提升了全局搜索能力及收敛速度,并将之应用于大区域无线传感网络流量异常检测。首先采用时间滑动窗口处理大区域无线传感网络数据流信息,通过正态Grubbs法则剔除数据中粗大误差值。然后引入主成分分析法对传感数据特征降维,分段提取有价值的特征。设计FW-PSO算法,提升粒子群算法的搜索能力,实现流量异常检测。实验结果表明,所提方法的无线传感网络流量异常检测率准确率平均为94.8%,训练及检测耗时平均值分别为3.75 s及0.25 s。

关键词：无线传感网络流量异常检测 FW-PSO算法大区域主成分分析法模糊神经网络

在线全文

学校读者我要写书评

暂无评论

面向车联网泛洪攻击的流量异常检测方法

南京理工大学学报 2020年第4期44卷 454-461页

作者：李源谢一臻王永建江虹西南科技大学信息工程学院四川绵阳620010 北京邮电大学国际学院北京100876 国家计算机网络与信息安全管理中心北京100031

为了有效检测车联网环境下的泛洪攻击,缓解泛洪攻击对车联网的不良影响,该文提出了面向车联网环境下针对泛洪攻击的轻量化流量异常检测方法。通过在路侧单元使用Hurst自相似参数估计方法计算车联网数据包流量的自相似变化曲线,检测流量... 详细信息

为了有效检测车联网环境下的泛洪攻击,缓解泛洪攻击对车联网的不良影响,该文提出了面向车联网环境下针对泛洪攻击的轻量化流量异常检测方法。通过在路侧单元使用Hurst自相似参数估计方法计算车联网数据包流量的自相似变化曲线,检测流量异常变化,并上传异常时段的数据包信息到云端,云端统计各节点发送数据包情况,通过检测数据包大小异常变化来检测发起泛洪攻击的恶意节点。通过对车联网实际网络流量仿真计算结果表明,该流量异常检测方法能在低中高3种泛洪攻击强度下,有效检测出恶意节点。

关键词：车联网泛洪攻击流量异常检测 Hurst自相似度