基于ME-PGNMF的异常流量检测方法

摘要：

由于部分网络异常对流量变化影响不明显,流量分析难以发现此类异常.传统基于主成分分析的网络异常流量检测方法追求全局最优解,对局部特征提取不充分,导致对连续异常不敏感,降低了异常流量的检测精度,且物理意义不明确.针对上述问题,在多维信息熵的基础上,提出梯度投影非负矩阵分解异常流量检测方法.将流量数据处理为多维特征熵矩阵,用梯度投影非负矩阵分解方法重构多维熵矩阵,分离出正常和异常子空间,采用多元统计过程控制方法中的Q图检测异常.实验结果表明,与以流量分析为基础的主成分分析方法、传统非负矩阵分解方法相比,该方法能更快、更准确地检测出连续异常,对流量变化不敏感的低速分布式拒绝服务攻击检测效果明显提高,对蠕虫攻击更加敏感.

关键词：网络流量、多维熵、异常检测、非负矩阵分解、子空间

所属期刊栏目：44

分类号：TP393(计算技术、计算机技术)

在线出版日期：2018-04-28（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：165-170