桑園

摘要：在大規(guī)模集成互聯(lián)網(wǎng)絡(luò)中，需要對(duì)網(wǎng)絡(luò)流量進(jìn)行異常檢測(cè)和識(shí)別，以保障網(wǎng)絡(luò)安全。利用高階累積量對(duì)干擾的統(tǒng)計(jì)獨(dú)立性，提出一種基于高階累積量配準(zhǔn)的網(wǎng)絡(luò)異常流量識(shí)別算法。首先進(jìn)行了網(wǎng)絡(luò)異常流量的統(tǒng)計(jì)信號(hào)模型構(gòu)建，分析了高階累積量檢測(cè)方法原理，然后采用自適應(yīng)陷波器級(jí)聯(lián)方法進(jìn)行流量的干擾抑制和降噪分離，結(jié)合高階累積量配準(zhǔn)方法實(shí)現(xiàn)異常流量識(shí)別算法的改進(jìn)。仿真實(shí)驗(yàn)表明，采用該算法進(jìn)行網(wǎng)絡(luò)流量異常識(shí)別，具有較好的幅頻響應(yīng)性能，提高了準(zhǔn)確識(shí)別概率，檢測(cè)性能優(yōu)于傳統(tǒng)算法。

關(guān)鍵詞：高階累積量；網(wǎng)絡(luò)流量；流量識(shí)別：網(wǎng)絡(luò)安全

DOIDOI：10.11907/rjdk.161246

中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2016）006-0033-03

參考文獻(xiàn)：

[1]楊雷，李貴鵬，張萍.改進(jìn)的Wolf一步預(yù)測(cè)的網(wǎng)絡(luò)異常流量檢測(cè)[J].科技通報(bào)，2014，30（2）：47-49.

[2]李振剛.基于高斯過程回歸的網(wǎng)絡(luò)流量預(yù)測(cè)模型[J].計(jì)算機(jī)應(yīng)用，2014，34（5）：1251-1254.

[3]陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué)，2015，42（4）：68-71.

[4]KOLHE J P，SHAHEED M，CHANDAR T S，et al.Robust control of robot manipulators based on uncertainty and disturbance estimation[J].International Journal of Robust and Nonlinear Control，2013，23（1）：104-122.

[5]YUNTONG LIU.K-pruning algorithm for semantic relevancy calculating model of natural language[J].Journal of Theoretical and Applied Information Technology，2013，48（3），231-235.

[6]馬友忠，孟小峰.云數(shù)據(jù)管理索引技術(shù)研究[J].軟件學(xué)報(bào)，2015，26（1）：145-166.