基于机器学习的网络异常流量分析系统被引量：2

下载PDF

导出

摘要该系统使用机器学习方法对异常流量进行判别,设计一个异常流量的检测模型,通过对HTTP请求头字段进行特征提取,形成多维特征库,应用到机器学习的高斯混合模型中,进行验证和评估。经过测试证明特征计算方法在高斯混合模型中有较好的准确率和召回率。

作者方洋李旗张瑞霞

机构地区桂林电子科技大学计算机与信息安全学院

出处《电脑知识与技术》 2020年第4期24-25,共2页 Computer Knowledge and Technology

基金 2018年广西区级大学生创新项目:网络异常流量分析监测系统(项目编号:201810595263).

关键词异常流量特征计算高斯混合模型 sklearn

分类号 TP393 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献3

1陈胜,朱国胜,祁小云,雷龙飞,镇佳,吴善超,吴梦宇.基于机器学习的网络异常流量检测研究[J].信息通信,2017,30(12):39-42. 被引量：15
2于冰洁..基于高斯模型的异常检测算法[D].中国矿业大学,2017:
3海沫,张游.Spark平台下聚类算法的性能比较[J].计算机科学,2017,44(S1):414-418. 被引量：9

二级参考文献18

1白耀辉,陈明,王举群.利用朴素贝叶斯方法实现异常检测[J].计算机工程与应用,2005,41(34):131-132. 被引量：8
2卢鋆,吴忠望,王宇,卢昱.基于kNN算法的异常行为检测方法研究[J].计算机工程,2007,33(7):133-134. 被引量：13
3傅德胜,张媛.PSO优化BP神经网络入侵检测模型[J].通信技术,2010,43(1):81-83. 被引量：7
4李永忠,王汝山,张念贵,王玉雷.基于半监督模糊聚类的入侵检测技术[J].江苏科技大学学报（自然科学版）,2010,24(4):381-385. 被引量：1
5姜春茂,张国印,李志聪.基于遗传算法优化SVM的嵌入式网络系统异常入侵检测[J].计算机应用与软件,2011,28(2):287-289. 被引量：19
6姜家涛,刘志杰,谢晓尧.基于模糊神经网络集成的入侵检测模型[J].山东大学学报（理学版）,2011,46(9):95-98. 被引量：4
7苏巴提,张晓.基于改进的K-means算法的异常检测[J].软件导刊,2011,10(11):76-78. 被引量：6
8查东辉.基于PSO寻优算法的过程控制网络异常检测技术[J].计算机测量与控制,2013,21(6):1505-1507. 被引量：2
9时合生,杨照峰.基于小波变换的网络流量异常监测仿真实验[J].信息技术,2014,38(7):158-162. 被引量：4
10李佳.基于AFSA-KNN选择特征的网络入侵检测[J].计算机工程与设计,2014,35(8):2675-2679. 被引量：11

共引文献22

1陈红兵.一种单元分布式变电站综合自动化系统设计方案[J].工程设计与研究（长沙）,2000(1):14-17.
2陈贞贞.基于DPI和机器学习的加密流量类型识别研究[J].信息通信,2018,31(4):258-260. 被引量：6
3吴飞,张昕,孙莉,邹云峰.电力缴费渠道实时监控策略研究及平台设计[J].电力需求侧管理,2018,20(3):51-53. 被引量：3
4黄福,侯海燕,梁国强,王亚杰,胡志刚.科学计量学常用工具的聚类算法分析[J].科技管理研究,2018,38(18):232-238. 被引量：5
5李宁.基于大数据的互联网异常流量检测研究[J].成都工业学院学报,2018,21(4):34-38. 被引量：3
6张道昶,郑永煌,胡永刚.载人航天发射场电力仪表在线异常检测模型研究[J].载人航天,2018,24(6):796-801.
7徐冬,肖莹慧.基于机器学习技术的网站用户行为预测[J].现代电子技术,2019,42(4):94-96. 被引量：4
8张振,冯永亮,赵津曼.一种基于Spark的图像聚类并行化算法[J].电子制作,2019,27(3):67-68. 被引量：3
9康军,郭佳豪,段宗涛,唐蕾,张凡.大规模轨迹数据并行化地图匹配算法[J].测控技术,2019,38(2):98-102. 被引量：4
10王小文.基于特征库识别法的移动通信网络异常流量监测系统[J].长春师范大学学报,2019,38(8):30-35. 被引量：4

同被引文献10

1姚琨,王昕.基于文本过滤技术的网络安全数据检测实验系统设计[J].现代电子技术,2020,43(16):82-84. 被引量：4
2贾鹏.基于互联网+的电子信息数据异常监测系统设计[J].齐齐哈尔大学学报（自然科学版）,2020,36(6):44-49. 被引量：3
3陈海涛.基于多模态数据流的网络信息局部异常点检测方法研究[J].电子测量技术,2020,43(14):96-102. 被引量：5
4唐海贤,李光辉.基于C-LSTM的传感器数据流半监督在线异常检测算法[J].传感技术学报,2021,34(3):330-339. 被引量：7
5夏千姿,倪丽萍,倪志伟,朱旭辉,李想.基于集成SVM数据流分类算法的公司微博金融事件检测方法[J].计算机应用与软件,2021,38(8):150-159. 被引量：3
6高明.基于数学模型的网络数据流量异常检测算法[J].长江信息通信,2021,34(11):42-44. 被引量：5
7王雅荟,周骁,孙旭升.DMA双数据流的相位差采集以及超时检测的计算方法[J].电子世界,2021(21):156-157. 被引量：1
8陈畅,刘福来.基于智能电网内部数据流分析的内存泄露检测方法研究[J].信息安全研究,2022,8(1):85-92. 被引量：4
9闫梦秋,杨轶俊,赵舫.基于改进OCSVM的智能变电站数据流异常检测方法研究[J].电力系统保护与控制,2022,50(6):100-106. 被引量：10
10陶广.网络安全数据可视化研究综述[J].信息与电脑（理论版）,2015(8):75-76. 被引量：4

引证文献2

1蒋方强.面向应用的网络流量监测系统的设计与实现[J].河南科技,2021,40(10):9-12.
2时文俊.基于数学模型的网络数据流异常检测系统设计[J].信息与电脑,2022,34(18):115-117. 被引量：2

二级引证文献2

1林立鑫,喻燕华,涂剑峰.基于改进KNN算法的网络数据流异常识别方法[J].信息与电脑,2023,35(8):108-110. 被引量：1
2罗庆佳.基于改进LSTM模型的网络异常数据流智能检测系统[J].信息与电脑,2023,35(19):53-55.

1叶水勇.信息网络运行情况分析与探究[J].电力与能源,2020,41(1):124-128.
2张天.基于自适应级联陷波的网络异常节点定位方法[J].电脑知识与技术,2020,0(4):26-27. 被引量：1
3管海涛,赵金丽,Xi Pengcheng.基于deep CNN的Faster R-CNN在肝脏肿瘤超声图像中的初步应用[J].中国超声医学杂志,2020,36(3):218-220. 被引量：4
4彭新育,霍孜睿,胡世业.基于CBDT的风险投资决策方法研究[J].会计之友,2020(10):37-42. 被引量：3
5郭睿,陈金熠,陈小毅,李赟,张梁军,张鑫.基于数据驱动的乡村综合能源服务运营管理优化研究[J].企业改革与管理,2020,0(1):124-125. 被引量：4
6张东兵.基于数据挖掘的排球动员训练动作评价模型研究[J].电脑知识与技术,2020,0(4):274-275.
7张斌杰,刘健,刘梦婉,燕宝玉,郑凯中,卢虹冰,李宝娟.重复经颅磁刺激治疗抑郁症的神经机制探索及疗效预测研究进展[J].医疗卫生装备,2020,41(4):89-96. 被引量：8
8王毅,杨前,王家民.感性信息“转嫁-映射”下的产品形态情感化设计[J].设计,2020,33(3):91-93. 被引量：4

电脑知识与技术

2020年第4期

浏览历史

内容加载中请稍等...

基于机器学习的网络异常流量分析系统被引量：2

参考文献3

二级参考文献18

共引文献22

同被引文献10

引证文献2

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于机器学习的网络异常流量分析系统 被引量：2

参考文献3

二级参考文献18

共引文献22

同被引文献10

引证文献2

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

基于机器学习的网络异常流量分析系统被引量：2