摘要: 针对目前网络状态异常行为检测正确率低的问题, 提出一种基于数据挖掘的网络状态异常检测模型. 首先提取网络状态信号, 通过小波变换对信号进行预处理, 并提取网络状态异常检测的特征; 然后通过回声状态网络对网络状态异常检测进行建模, 并通过遗传算法对回声状态网络的参数进行优化; 最后采用网络状态异常数据集对模型的有效性进行测试. 测试结果表明, 数据挖掘技术可以准确检测各种网络状态异常行为.
中图分类号:
周鹏, 熊运余. 基于数据挖掘的网络状态异常检测[J]. 吉林大学学报(理学版), 2017, 55(05): 1269-1273.
ZHOU Peng, XIONG Yunyu. Anomaly Detection of Network State Based on Data Mining[J]. Journal of Jilin University Science Edition, 2017, 55(05): 1269-1273.