计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
10期
2846-2850,2944
,共6页
异常检测%决策树%特征选择%主成分分析%禁忌搜索
異常檢測%決策樹%特徵選擇%主成分分析%禁忌搜索
이상검측%결책수%특정선택%주성분분석%금기수색
anomaly detection%decision tree%feature selection%Principal Component Analysis (PCA)%Tabu Search (TS)
真实网络流量包括大量特征属性,现有基于特征分析的异常流量检测方法无法满足高维特征分析要求.提出一种基于主成分分析和禁忌搜索(PCA-TS)的流量特征选择算法结合决策树分类的异常流量检测方法,通过PCA-TS对高维特征进行特征约减和近优特征子集选择,为决策树分类方法提供有效的低维特征属性,结合决策树分类精度和处理效率高的优点,采用半监督学习方式进行异常流量实时检测.实验表明,与传统异常检测方法相比,此方法具有更高的检测精度和更低的误检率,其检测性能受样本规模影响较小,且对未知异常可以进行有效检测.
真實網絡流量包括大量特徵屬性,現有基于特徵分析的異常流量檢測方法無法滿足高維特徵分析要求.提齣一種基于主成分分析和禁忌搜索(PCA-TS)的流量特徵選擇算法結閤決策樹分類的異常流量檢測方法,通過PCA-TS對高維特徵進行特徵約減和近優特徵子集選擇,為決策樹分類方法提供有效的低維特徵屬性,結閤決策樹分類精度和處理效率高的優點,採用半鑑督學習方式進行異常流量實時檢測.實驗錶明,與傳統異常檢測方法相比,此方法具有更高的檢測精度和更低的誤檢率,其檢測性能受樣本規模影響較小,且對未知異常可以進行有效檢測.
진실망락류량포괄대량특정속성,현유기우특정분석적이상류량검측방법무법만족고유특정분석요구.제출일충기우주성분분석화금기수색(PCA-TS)적류량특정선택산법결합결책수분류적이상류량검측방법,통과PCA-TS대고유특정진행특정약감화근우특정자집선택,위결책수분류방법제공유효적저유특정속성,결합결책수분류정도화처리효솔고적우점,채용반감독학습방식진행이상류량실시검측.실험표명,여전통이상검측방법상비,차방법구유경고적검측정도화경저적오검솔,기검측성능수양본규모영향교소,차대미지이상가이진행유효검측.
