Web用户异常行为检测的优化研究

摘要：

为了优化对于Web日志记录的用户异常行为的检测能力,提出一种基于决策树算法的Web用户异常行为检测算法.从给定已有标签的数据集中,根据Relief-F算法来度量特征,引进混淆矩阵的概念选择合适的阈值 ε,选取比阈值大的统计量分量,其所对应的的特征组成用来训练学习器的特征集.将划分后的相关特征集利用C4.5算法构建模型,形成一种新的Web用户异常行为检测算法F C4.5算法.UNSW-NB 15数据集的实验表明,相比传统的几种数据分析算法,F C4.5算法分类效果最优,在KDD CUP1999数据集上验证了F C4.5算法降低了C4.5算法在构造树的复杂度,在Web用户异常行为检测中具有更高效的性能.

关键词：异常行为检测、Relief-F算法、决策树模型、混淆矩阵

所属期刊栏目：48

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目61802160

在线出版日期：2021-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81