10.11896/j.issn.1002-137X.2016.9.010
基于主题模型的网络异常行为分类学习方法研究
提出了一种新的用于学习和分辨网络异常行为的方法.与之前的工作相比,将采用主题模型对网络异常行为进行建模并构建分类器.根据连接的分类标签,在训练模型之前将数据集分成两部分,即正常的部分和异常的部分.通过分析模型参数对结果的影响可以发现α(主题的狄利克雷参数)和主题数量对于预测结果具有正相关性,而β(特征号的狄利克雷参数)对于预测结果具有负相关性.通过KDDCUP'99数据集对该模型进行评估,结果显示预测的准确度达到91.69%,比SVM等算法在正常和异常行为分类上的表现更好.
主题模型、异常行为、分类器
43
TP309(计算技术、计算机技术)
国家自然科学基金项目61472439,61303264,61271252
2016-10-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
57-60,81