西门子s2000
进销存管理系统论文一种基于聚类算法的网络异常检测方法研究作者:赵明 严宏举 张明军 安娜 韩进喜来源:《计算机与网络》2020年第10期ess
摘要:针对聚类算法普遍存在的数值震荡和计算量大以及传统异常检测中存在的分析准确率低和时效性差等问题,提出了一种改进的近邻传播聚类算法———IMAP的异常数据检测方法。通过数据采集、数据预处理和聚类分析3个阶段实现异常数据的识别和定位,引入动态阻尼系数的聚类分析方法對标准化数据进行异常检测,为构造安全和稳定网络提供了参考。实验结果表明,利用IMAP的异常检测方法能有效地提高异常检测的运行效率和算法的精确度,具有实际的应用价值和意义。 gridservice 关键词:AP聚类;IMAP聚类;异常检测;聚类算法
中图分类号:TP393文献标志码:A文章编号:1008-1739(2020)10-68-4
0引言
近年来,随着互联网技术的发展,网络结构日益复杂,数据规模日益扩大,对网络的管理与监测越来越受到人们的重视。物理拓扑上的网络动态级联故障将导致失效节点对周围节点产生级联失效效应[1-3]。虚拟化技术的出现,虚拟节点与底层物理节点映射的动态性导致虚拟网络和底层物理网络的故障因果关系更加难以预测;网络运行稳定后,网络故
鸟类的语言>睡眠日记障发生的频次低,导致异常数据收集少,进而难以覆盖异常的全部分布。而当网络和信息系统迭代建设更新后,可能出现新的异常事件,但异常事件典型样本的缺乏将无法有效检测未知异常。网络异常检测是指以网络流数据为输入,通过数据挖掘、统计分析和机器学习等方法,发现异常的网络数据分组和异常网络交互等信息[4-5],综合分析并借鉴上述异常检测方法的优缺点,提出一种基于改进的近邻传播(AP)聚类算法[6-10],用于进行网络异常数据检测,该AP聚类方法可以有效解决聚类算法普遍存在的数值震荡和计算量大等问题。使用改进的AP聚类算法对网络异常进行检测,能有效提高检测效率,并能很好地适应通信网多样化的复杂数据。