基于奇异值分解更新的多元在线异常检测方法

摘要：

网络异常检测对于保证网络稳定高效运行极为重要.基于主成分分析的全网络异常检测算法虽然具有很好的检测性能,但无法满足在线检测的要求.为了解决此问题,该文引入流量矩阵模型,提出了一种基于奇异值分解更新的多元在线异常检测算法MOADA-SVDU,该算法以增量的方式构建正常子空间和异常子空间,并实现网络流量异常的在线检测.理论分析表明与主成分分析算法相比,该算法具有更低的存储和计算开销.因特网实测的流量矩阵数据集以及模拟试验数据分析表明,该算法不仅实现了网络异常的在线检测,而且取得了很好的检测性能.

关键词：网络异常检测、在线算法、奇异值分解、多元分析、增量学习

所属期刊栏目：32

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金重大研究计划90304016;国家863计划项目2007AA01Z418;江苏省自然科学基金BK2009058资助课题

在线出版日期：2010-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2404-2409