网络流量异常

作品数：140被引量：625H指数：14
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：尹霞王之梁施新刚田庚胡光岷更多>>
相关机构：电子科技大学华中科技大学清华大学南京邮电大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划四川省青年科技基金河南省基础与前沿技术研究计划项目更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程x
共 条 记 录，以下是1-6
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于堆叠卷积注意力的网络流量异常检测模型被引量：14
《计算机工程》2022年第9期12-19,共8页董卫宇 李海涛 王瑞敏 任化娟 孙雪凯 
国家重点研发计划(2018YFB0804500)。
入侵检测系统(IDS)在发现网络异常和攻击方面发挥着重要作用,但传统IDS误报率较高,不能准确分析和识别异常流量。目前,深度学习技术被广泛应用于网络流量异常检测,但仅仅采用简单的深度神经网络(DNN)模型难以有效提取流量数据中的重要...
关键词：网络流量异常检测 入侵检测系统 深度神经网络 堆叠卷积注意力 二进制特征 
结合马氏距离与自编码器的网络流量异常检测方法被引量：15
《计算机工程》2022年第4期133-142,共10页李贝贝 彭力 戴菲菲 
国家重点研发计划(2018YFD0400902);国家自然科学基金(61873112)。
当前网络流量数据规模较大且分布不均衡,传统网络流量异常检测方法检测准确率较低。提出一种结合马氏距离和自编码器的检测方法,使用马氏距离倒数及判别阈值快速检测部分正常数据以减少训练数据量,同时,在自编码器代价函数中添加马氏距...
关键词：网络流量异常检测 神经网络 马氏距离 自编码器 自编码神经网络 
网络流量异常检测中的维数约简研究被引量：19
《计算机工程》2020年第2期11-20,共10页陈良臣 高曙 刘宝旭 陶明峰 
国家自然科学基金(61802404,61602470);国家信息安全专项(发改办高技[2015]289号);中国科学院战略性先导C类课题(XDC020400100);中国科学院网络测评技术重点实验室基金;中国劳动关系学院科研项目(20XYJS003,20ZYJS017);北京市科委重点研究项目(D181100000618003);网络安全防护技术北京市重点实验室基金
对包含大流量数据的高维度网络进行异常检测,必须加入维数约简处理以减轻系统在传输和存储方面的压力。介绍高速网络环境下网络流量异常检测过程以及维数约简方式,阐述流量数据常用特征和维数约简技术研究的最新进展。针对网络流量特征...
关键词：网络异常检测 流量维数约简 流量特征提取 流量特征选择 网络空间安全 
基于KL距离的自适应阈值网络流量异常检测被引量：20
《计算机工程》2019年第4期108-113,118,共7页蒋华 张红福 罗一迪 王鑫 
广西高校中青年教师基础能力提升项目(KY2016YB150);桂林电子科技大学研究生教育创新计划项目(2017Y JCX48);广西可信软件重点实验室基金(kx201724)
针对现有网络流量异常检测方法检测精度低且对网络环境动态变化适应性差的问题,根据网络流量在相邻时间周期内的强相关性特性,提出一种自适应阈值的网络流量异常检测方法。利用滑动窗口控制KL距离值数量,建立指数加权移动平均模型获取...
关键词：网络流量 异常检测 自适应阈值 KL距离 指数加权移动平均模型 滑动窗口 
基于层次聚类的网络流量异常分类算法被引量：2
《计算机工程》2012年第23期131-136,共6页许倩 程东年 
国家"863"计划基金资助项目(2009AA01A346);国家科技支撑计划基金资助项目(2011BAH19B01)
现有的异常流量根源分析技术大多需要人工干预,对异常事件的分类效果不佳。为此,提出基于层次聚类的流量异常分类算法TAC HC,通过特征属性的训练过程逐步建立分类树,把相似的异常嵌入到子树中,在未知数据集聚类数目的情况下对新的异常...
关键词：流特征 属性向量 网络异常事件 层次聚类 异常分类算法 
基于决策树的网络流量异常分析与检测被引量：3
《计算机工程》2012年第5期92-95,共4页李强 严承华 朱瑶 
全军军事学研究生课题基金资助项目(2010JY0698-403)
针对现有网络流量异常检测方法准确率较低的问题,提出基于决策树的网络流量异常分析与检测方法。研究网络流量结构特征及流量异常的交叉熵表示方法。采用C4.5算法建立决策树模型,将具有连续性的属性值离散化,根据最大信息增益比逐层选...
关键词：异常检测 异常分类 网络流量特征 交叉熵 决策树 C4.5算法 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部