利用残差分析的网络异常流量检测方法

孟永伟; 秦涛; 赵亮; 马文强; 王换招

您当前的位置：

首页 >

文章列表页 >

利用残差分析的网络异常流量检测方法

更新时间：2025-07-09

- 利用残差分析的网络异常流量检测方法
- 暂无标题
- 西安交通大学学报 2020年第1期页码：42-48+84
- 作者机构：
  
  1. 西安交通大学智能网络与网络安全教育部重点实验室
  2. 西安交通大学深圳科学技术研究院
  3. 西安空间无线电技术研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61772411);深圳市基础研究计划资助项目(JCYJ20170816100819428);陕西省自然科学基金资助项目(2018 JM6109)
- DOI：
  中图分类号： TP393.06
- 纸质出版：2020
- 稿件说明：
移动端阅览
孟永伟, 秦涛, 赵亮, 等. 利用残差分析的网络异常流量检测方法[J]. 西安交通大学学报, 2020,(1):42-48+84.
孟永伟, 秦涛, 赵亮, 等. 利用残差分析的网络异常流量检测方法[J]. 西安交通大学学报, 2020,(1):42-48+84. DOI：

DOI：

摘要

针对网络异常流量检测中大数据小异常造成的难题

提出了一种新的基于残差分析的网络异常流量检测方法。从多个角度提取网络流量的特征属性

以准确刻画正常行为和异常行为之间的差异性。利用提取的特征属性构建属性矩阵

采用流之间的相似性构建邻接矩阵。使用属性矩阵和邻接矩阵构建网络异常检测模型

采用CUR矩阵分解方法重构属性矩阵得到主模式

对属性矩阵和重构的属性矩阵进行残差计算进而获得残差矩阵。对残差矩阵中的每一个流计算其残差

根据每个流的残差和预设阈值进行异常判定。采集了西安交通大学校园网流量数据进行实验

实验结果表明:所提方法在不需要任何先验知识的情况下能够使异常检测率达到90%以上;与其他异常检测方法相比

所提方法不仅具有较高的检测率

而且能够实现异常源定位。

Abstract

关键词

Keywords

references

Xuyang Jing,Zheng Yan,Xueqin Jiang,Witold Pedrycz.Network traffic fusion and analysis against DDoS flooding attacks with a novel reversible sketch[J].Information Fusion,2019.

Sunny Behal,Krishan Kumar.Detection of DDoS attacks and flash events using novel information theory metrics[J].Computer Networks,2017.

Mohiuddin Ahmed,Abdun Naser Mahmood,Jiankun Hu.A survey of network anomaly detection techniques[J].Journal of Network and Computer Applications,2016.

Shikha Agrawal,Jitendra Agrawal.Survey on Anomaly Detection using Data Mining Techniques[J].Procedia Computer Science,2015.

Eddie Kohler,Jinyang Li,Vern Paxson,Scott Shenker.Observed structure of addresses in IP traffic[J].IEEE/ACM Transactions on Networking (TON),2006.

雷恒鑫,刘惊雷.基于行列联合选择矩阵分解的偏好特征提取[J].模式识别与人工智能,2017(03).

周爱平,程光,郭晓军,梁一鑫.高速网络超点检测的并行数据流方法[J].软件学报,2016(07).

罗娜,李爱平,吴泉源,陆华彪.基于概要数据结构可溯源的异常检测方法[J].软件学报,2009(10).

程光,龚俭,丁伟.基于抽样测量的高速网络实时异常检测模型[J].软件学报,2003(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

采用多变量耦合网络与变分图自编码器的机械设备异常检测方法

滚动轴承高维随机矩阵状态异常检测算法

周界视频监控中人员翻越行为检测算法

海量信息异常检测问题的异常概率排序算法

超临界水异常区域热力学特性研究