数据流上地异常检测.pdf

中文摘要 近年来，由于来自实际应用中的需求的推动，数据流上的异常检测技术的研 究已经受到了学术界和工业界的越来越多的重视。数据流上的异常检测在金融 风险分析、通信网监测、网络流量管理、趋势分析、Web日志分析、网络入侵检 测、传感器网络管理等领域具有广泛的应用。例如，为了调节电信网络的性能， 需要对电信网中的数据流进行监测，其检测异常的准确性对电信网络的正常运行 是至关重要的。同样的应用场景也存在于高速公路上的交通管理，相关趋势的分 析和预测，网页点击流的分析，信息系统的入侵检测以及传感器网络的管理等。 在这些场景中，有相当～部分应用需要及时地对任务进行处理，以获得尽可能短 的响应时间。 然而，传统的数据库技术是用来管理静态数据集的，其很难直接被用于对动 态数据的实时监测和挖掘。因此，为了实时地监测数据流，需要采用伸缩性强的 异常检测算法在有限的时间内处理大量的数据流。在对数据流的处理中，最大的 挑战就是要在有限的内存空间，需要顺序的单遍扫描算法，并且要实时返回精确 的结果。本文综述了国际上关于数据流异常检测的研究成果，在分析了现有研究 工作的基础上，提出了异常的定义和数据流上异常检测要研究的问题，以及异常 检测系统的框架。在对数据流上异常检测的研究过程中，本文的主要贡献有如下 三个方面： 1．提出了自适应的突变的定义，自