基于模型共享的分布式异常检测方法

摘要：

传统集中式异常检测方法需受耗费大量的网络资源和计算时间.为此,提出一种基于模型共享的分布式异常检测方法.利用多数投票、边界扩展、平均叠加以及距离加权这4种集成学习方法得到全部局部模型,通过交换本地数据挖掘模型的方式实现数据共享,构造总体的集成式学习模型.实验结果表明,该模型能从全局的观点检测异常,减少集中式检测所需的数据传输量,有效地保护数据的隐私性.

关键词：数据挖掘、集成学习、异常检测、数据共享、局部模型、检测性能

所属期刊栏目：38

分类号：TP311.52(计算技术、计算机技术)

资助基金：河南省教育厅自然科学研究指导计划基金资助项目2010C520007

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：262-263,267