基于层叠模型的网络流量异常检测方法

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:baoyuan000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
进行网络流量异常检测,需要对正常流量行为建立准确的模型,根据异常流量与正常模型间的偏离程度作出判断。针对现有网络流量模型中自相似模型与多分形模型无法全面刻画流量特征的不足,提出了一种基于流量层叠模型分析的异常检测算法,采用层叠模型对整个时间尺度上的流量特征进行更准确的描述,并运用小波变换对流量的层叠模型进行估计,分析异常流量对模型估计的影响,提出统计累计偏离量进行异常流量检测的方法。仿真结果表明,该方法能够有效检测出基于自相似Hurst系数方法不能检测的弱异常以及未明显影响Hurst系数变化的异常流。
其他文献
从分析信息收集的关键问题入手,针对该类信息的表示特点,提出了一种基于树的文本解析策略。该方法对于解决半结构化的文本信息解析具有一定的普遍意义。
随着基因和蛋白质序列的发布和分子生物学研究的发展,其相关的数据呈指数级增长,因此如何从海量的相关文献中直接获取生物学家研究领域的相关信息变得迫在眉睫,识别生物文献中的命名实体如蛋白质、基因、脱氧核糖核酸名称等成为生物信息学中信息抽取的最基本任务。介绍了国际同类研究中生物命名实体识别的各种方法,重点介绍了蛋白质名称识别的相关方法、所用资源、实验结果及与国际同类研究的比较结果。
提出了一种新的掌纹特征提取方法,其目的在于在不降低识别率的情况下,提高掌纹特征提取速度。首先将原始掌纹图像进行小波分解,获得低分辨率的掌纹图像;其次通过主成分分析(PCA)方法获得一个低维子空间,即"特征掌";最后通过将训练、测试样本在该"特征掌"上投影来提取掌纹特征。实验结果表明,所提出方法与单一PCA方法比较,在同样识别率情况下,特征提取速度明显提高。
视频的结构分析是实现视频基于内容组织和检索的基础。目前,已经有很多用于视频镜头分割的成熟算法,但准确探测视频场景边界还比较困难。提出了一种融合视频中音频与可视特征进行场景检测的方法。该方法首先分别依据镜头的声、像特征相关性来对镜头进行聚类,然后综合处理依声、像相关性得到的镜头聚类来获取场景。实验结果证明,此方法较一般使用单一特征的场景检测方法提高了探测的准确率,同时也降低了误判率。
采用遗传算法来构造S盒,并引入了启发式变异策略。该策略既可以防止优良的基因受到破坏,又可以保证群体中个体的多样性。基于该方法,给出了6×6的S盒构造的完整程序描述,并获得了一批高非线性度和低差分均匀度的S盒。