基于并行深度森林的配用电通信网络异常流量检测

摘要：

随着网络攻击手段的不断发展,配用电通信网络安全防护面临严峻挑战.为解决配用电通信网络异常流量检测效率低、检测精度不足的问题,从特征提取和流量分类这两个方面进行改进研究,提出了一种配用电通信网络异常流量检测的新方法.在特征提取方面,使用时频域特征提取方法,采用自适应冗余提升多小波包变换快速提取频域特征,结合配用电网络通信特点提取时域特征;在流量分类检测方面,提出了基于分布式计算框架的并行深度森林分类算法,并对训练与分类任务调度策略进行了优化.使用终端流量及常用异常流量检测数据集进行实验,结果表明所提方法对配用电网络异常流量检测的误报率仅为2.63%,准确率可达98.29%,并且深度森林并行计算能均衡地分配任务,显著地加速了训练与分类过程.

关键词：异常流量检测、配用电通信网络、时频域特征、深度森林、并行计算

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;江苏省农业科技自主创新资金SCX213059;上海市大数据管理系统工程研究中心开放基金

在线出版日期：2023-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：122-134