基于粒子群算法的网络流量异常检测方法.pdf
《基于粒子群算法的网络流量异常检测方法.pdf》由会员分享,可在线阅读,更多相关《基于粒子群算法的网络流量异常检测方法.pdf(3页珍藏版)》请在咨信网上搜索。
1、信息与电脑算法语言Information&Computer基于粒子群算法的网络流量异常检测方法2023年第10 期王戈赵杰峰(开封文化艺术职业学院计算机学院,河南开封摘要:针对网络流量异常检测结果误差较大的问题,提出基于粒子群算法的网络流量异常检测方法。首先,收集网络流量特征,根据值变化获取网络流量测度特征其次,分析特征确定异常类别,完成网络流量异常的检测最后,进行实验对比分析。实验结果表明,该方法能够检测出大部分网络流量异常现象,优于其他方法。关键词:网络流量异常;网络流量;粒子群算法;测度特征中图分类号:TP319The Anomaly Detection Method of Networ
2、k Traffic Based on Particle Swarm475000)文献标识码:A文章编号:10 0 3-9 7 6 7(2 0 2 3)10-0 8 2-0 3AlgorithmWANG Ge,ZHAO Jiefeng(Computer Department,Kaifeng Vocational College of Culture and Arts,Kaifeng Henan 475000,China)Abstract:Aiming at the problem of large error in network traffic anomaly detection result
3、s,a network traffic anomalydetection method based on particle swarm optimization algorithm is proposed.Firstly,network traffic characteristics arecollected,and network traffic measurement characteristics are obtained according to the change of entropy;Secondly,analyze the characteristics to determin
4、e the type of anomaly,and complete the detection of network traffic anomaly;Finally,conduct experimental comparative analysis.Experimental results show that this method can detect most of the network trafficanomalies,and is superior to other methods.Keywords:network traffic anomaly;network traffic;p
5、article swarm algorithm;measurement characteristics0引言随着大量网络带宽被各种网络异常占用,网络流量异常对网络运行性能的影响越来越大。网络流量异常根据引发的原因可以分为4类,即拒绝服务的攻击、探测、未授权的本地超级用户特权访问以及来自远程主机的未授权访问。如果不及时修复网络异常,将会对主机造成较为严重的损害。粒子群算法属于进化算法,通过迭代寻找最优解,已广泛应用于很多领域2 。在网络流量异常检测方法中,引人粒子群算法能够有效提高网络流收稿日期:2 0 2 3-0 2-2 0作者简介:王戈(19 8 1一),女,河南开封人,硕士研究生,副教授。
6、研究方向:计算机网络、计算机网络安全。量异常检测的效率。1基于粒子群算法的网络流量异常检测方法设计1.1获取网络流量测度特征文章采用熵值作为测度特征的评估指标,对测度特征中的信息进行量化。熵可以和时间序列中的流量特征样本形成对应的关系,当样本空间中的样本集中度增大时熵值降低,当样本空间中的样本集中度减小时熵值增大3。嫡值测度特征获取流程如图1所示。获取流量特征集中每个流量特征的熵值,得到熵值获取对应测特征提取值集网络流量数据图1炳值测度特征获取流程异常炳值度82信息与电脑2023年第10 期Information&Computer算法语言最大循集,根据流量特征集计算熵值作为流量的度量,设熵值为
7、S,则其计算公式为S-K P,ln(P)i=1式中:K为正常数;P,为第i个流量特征的确定度;n为该嫡值集中熵值信息的个数4。得到每个流特征在样本空间内出现的次数,汇总异常的熵值,得到多属性的熵值矩阵M为S.X11S2X21X22M.式中:m为熵值集的度量;x为熵值的属性。代人矩阵得到每个熵值对应的网络流量测度W为MW一mX=1通过计算每个熵值对应的网络流量测度,获取网络流量测度特征。1.2基于粒子群算法聚类异常测度特征采用粒子群算法对网络流量异常测度特征进行聚类处理。粒子群算法的结构如图2 所示。bf图2 粒子群算法的结构将网络流量异常设为粒子群的最终矢量,设粒子的速度为v,位置为1,粒子群
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 粒子 算法 网络流量 异常 检测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。