计算机应用研究

作者：杭菲璐,郭威,陈何雄,张振红,易东阳,

单位：1.云南电网有限责任公司信息中心,昆明650034；2.电子科技大学网络与数据安全四川省重点实验室,成都610054；

关键词：流量异常检测,大规模多维数据,孤立森林,特征离群系数,局部离群因子,

基金：国家自然科学基金资助项目(62072074,62076054,62027827,61902054,62002047)；国家重点研发计划前沿科技创新专项资助项目(2019QY1405)；四川省科技创新基地(平台)和人才计划资助项目(2020JDJQ0020)；四川省科技支撑计划资助项目(2020YFSY0010)；；

异常检测在现代大规模分布式系统的安全管理中起着重要作用，而网络流量异常检测则是组成异常检测系统的重要工具。网络流量异常检测的目的是找到和大多数流量数据不同的流量，并将这些离群点视为异常。由于现有的基于树分离的孤立森林（iForest）检测方法存在不能检测出局部异常的缺陷，为了克服这个缺陷，提出一种基于iForest和局部离群因子（LOF）近邻集成的无监督的流量异常检测方法。首先，改进原始的iForest与LOF算法，在提升检测精度的同时控制算法时间；然后分别使用两种改进算法进行检测，并将结果进行融合以得到最终的检测结果；最后在自制数据集上对所提方法进行有效性验证。实验结果表明，所提方法能够有效地隔离出异常，获得良好的流量异常检测效果。

来源：2022年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第10期