基于词袋模型聚类的异常流量识别方法期刊.pdfVIP

第43卷第5期 计算机工程 2017年5月 No．5 2017 V01．43 ComputerEngineering May 文献标志码：A 中图分类号：TP309 ·人工智能及识别技术· 文章编号：1000．3428(2017)05-0204-06 基于词袋模型聚类的异常流量识别方法 马林进，万 良，马绍菊，杨 婷 (贵州大学计算机科学与技术学院，贵阳550025) 摘 要：针对现有异常流量检测方法的识别准确率低且快速识别需要确定阈值等问题，基于词袋模型聚类，提出一 种改进的网络异常流量识别方法。通过对已有的异常流量和正常流量进行K—means均值聚类，得到网络流量中的 流量关键点，将网络流量转化映射到相应流量关键点后建立直方图，并采用半监督学习方式对异常流量进行检测。 实验结果表明，与基于朴素贝叶斯、支持向量机等的识别方法相比，该方法具有更好的异常流量识别效果。 关键词：词袋模型；机器学习；聚类；数据挖掘；异常流量识别 中文引用格式：马林进，万 204—209． 英文引用格式：Ma a1．AbnormalTrafficIdentificationMethodBasedon ofWords Linjin，WanLiang，MaShaoju，et Bag Model Clustering[J]．ComputerEngineering，2017，43(5)：204-209． AbnormalTrafficIdentificationMethodBasedon ofWordsModel Bag Clustering MA Linjin，WAN Shaoju，YANG Liang，MA Ting of Scienceand Computer 550025，China) (College Technology，GuizhouUniversity，Guiyang viewofthe thatthe ofabnormaltrafficidentificationislowandfastidentificationis 【Abstract】In problem accuracy onthe abnormaltrafficidentificationmethodbasedon of is threshold，an Words)model dependent BoW(Bag clustering meansofK·meansmean for abnormaltrafficandnormal findsthe of proposed．By clusteringexisting traffic，it keypoints networktraffic．The trafficis tranformedand tothe trafficcritical andt