基于机器学习的网络信息异常流量检测与自适应防御策略  

作　　者：于雅娴 

机构地区：[1]Teradata(香港)有限公司,中国香港99907

出　　处：《电脑知识与技术》2025年第6期97-99,102,共4页Computer Knowledge and Technology

摘　　要：文章提出一种基于机器学习的网络信息异常流量检测与防御方案,融合AdaBoost和随机森林算法构建集成模型,并设计了基于异常置信度反馈的流量塑形机制和环境状态感知的弹性决策框架。实验结果表明,该方案在SQL注入等典型攻击场景下检测精度达97.8%,误报率仅为0.6%,在处理DNS隧道等复杂攻击时检测延迟控制在4.1ms内。

关 键 词：异常流量检测 机器学习 集成学习 主动防御 弹性决策 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]