分形技术与矢量量化相结合的网络流量异常检测研究.pdfVIP

第 19 卷 第 3 期 邯郸学院学报 2009 年 9 月 Vol.19 No.3 Journal of Handan College Sept. 2009 分形技术与矢量量化相结合的 网络流量异常检测研究 1，2 1 1 何月梅 ，杜海艳 ，王保民 1 056005 2 056038 （．邯郸学院 信息工程学院，河北 邯郸 ； ．河北工程大学 信息与电气工程学院，河北 邯郸 ） ———————————————————————————————————————————— 摘 要：本文在分析国内外网络流量异常检测现状的基础上，针对多数异常检测模型实时性较差、检测率较低、误报 . 率较高等问题，提出了一种新的基于分形技术和矢量量化的网络流量异常检测方法 理论分析表明，该方法具有较高的 . 精度和较低的时间、空间复杂度，可以准确高效地检测出异常网络流量，并定位网络异常原因 关键词：分形；矢量量化；网络流量；异常检测 中图分类号：TP393 文献标识码：A 文章编号：1673-2030(2009)03-0073-04 基金项目：河北省教育厅项目（项目编号：Z2009408 ） 收稿日期：2009-06-09 作者简介：何月梅（1975—），女，河北武安人，邯郸学院信息工程学院讲师，硕士研究生在读；王保民（1971—）， 男，河北魏县人，邯郸学院信息工程学院副教授，硕士；杜海艳（1974—），女，河北文安人，邯郸学院信息工程学院 讲师，硕士. ———————————————————————————————————————————— 1 引言 IP . Internet 随着 技术的飞速发展和信息化进程的不断加快，基于网络的应用服务变得越来越广泛 但是 以及 网络技术的发展也使得网络入侵攻击变得更为普遍，数量和破坏程度也随之增加，因此检测网络异常流量，并提 高网络健壮性十分必要. Denning . 从 提出异常检测模型到今天，作为入侵检测分支的异常检测已经有十几年的历史 包括机器学习、 数据挖掘、聚类分析、支持向量机、时间序列和小波分析等在内的大量计算机学科领域的算法和模型都已经被用 . : 1 在异常检测方面 但随着网络速度的增加，网络业务量数据处理规模急剧增加，其中仍然存在很多问题 （）传 统的机器学习和数据挖掘算法虽然广泛的应用到异常检测领域，但目前的方法和模型大多仅仅是简单应用，并没 有满