计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2014年
1期
28-40
,共13页
陆悠%李伟%罗军舟%蒋健%夏怒
陸悠%李偉%囉軍舟%蔣健%夏怒
륙유%리위%라군주%장건%하노
网络用户异常行为检测%协同学习%选择性集成学习%支持向量机%机器学习
網絡用戶異常行為檢測%協同學習%選擇性集成學習%支持嚮量機%機器學習
망락용호이상행위검측%협동학습%선택성집성학습%지지향량궤%궤기학습
abnormal user behavior detection%collaborative learning%selective ensemble learning%SVM%machine learning
为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确性不足等问题.因此,将选择性集成技术引入到协同学习过程中,提出了一种基于选择性协同学习的网络用户异常行为检测方法,使用基于多数类分布的改进EasyEnsemble方法将非平衡训练样本划分为平衡的样本子集,然后使用基于混合扰动的生成方法构造差异性成员分类器对样本子集进行协同学习,在学习过程中使用选择性集成进行置信度计算与数据更新以减少开销,并基于准确性选择构建集成分类器用于实际检测,使得检测方法在获得非平衡性复杂分布数据的处理能力的同时进一步提高检测准确性.实验结果表明,该方法较传统方法减少了对训练样本中标记数据的需求,同时在准确性评价指标上表现更好,能更快速准确地检测出网络用户的异常行为.
為瞭快速準確檢測網絡用戶的異常行為,機器學習技術得到瞭廣汎應用.但隨著用戶規模的擴大及用戶行為的複雜化,基于機器學習的傳統檢測方法麵臨著大量標記訓練樣本而導緻的巨大開銷、實際網絡用戶異常行為數據非平衡性而導緻的檢測準確性不足等問題.因此,將選擇性集成技術引入到協同學習過程中,提齣瞭一種基于選擇性協同學習的網絡用戶異常行為檢測方法,使用基于多數類分佈的改進EasyEnsemble方法將非平衡訓練樣本劃分為平衡的樣本子集,然後使用基于混閤擾動的生成方法構造差異性成員分類器對樣本子集進行協同學習,在學習過程中使用選擇性集成進行置信度計算與數據更新以減少開銷,併基于準確性選擇構建集成分類器用于實際檢測,使得檢測方法在穫得非平衡性複雜分佈數據的處理能力的同時進一步提高檢測準確性.實驗結果錶明,該方法較傳統方法減少瞭對訓練樣本中標記數據的需求,同時在準確性評價指標上錶現更好,能更快速準確地檢測齣網絡用戶的異常行為.
위료쾌속준학검측망락용호적이상행위,궤기학습기술득도료엄범응용.단수착용호규모적확대급용호행위적복잡화,기우궤기학습적전통검측방법면림착대량표기훈련양본이도치적거대개소、실제망락용호이상행위수거비평형성이도치적검측준학성불족등문제.인차,장선택성집성기술인입도협동학습과정중,제출료일충기우선택성협동학습적망락용호이상행위검측방법,사용기우다수류분포적개진EasyEnsemble방법장비평형훈련양본화분위평형적양본자집,연후사용기우혼합우동적생성방법구조차이성성원분류기대양본자집진행협동학습,재학습과정중사용선택성집성진행치신도계산여수거경신이감소개소,병기우준학성선택구건집성분류기용우실제검측,사득검측방법재획득비평형성복잡분포수거적처리능력적동시진일보제고검측준학성.실험결과표명,해방법교전통방법감소료대훈련양본중표기수거적수구,동시재준학성평개지표상표현경호,능경쾌속준학지검측출망락용호적이상행위.
