基于大数据的网络异常行为建模方法

被引：8

作者：

董娜

刘伟娜

侯波涛

机构：

[1] 国网河北省电力有限公司电力科学研究院

来源：

电力信息与通信技术 | 2018年 / 16卷 / 01期

关键词：

大数据; 网络异常行为; 建模;

D O I：

10.16543/j.2095-641x.electric.power.ict.2018.01.002

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

随着网络技术的发展,网络攻击方式复杂多变,传统检测技术无法应对未知的攻击模式,因此异常检测技术被提出。文章介绍了目前常见的异常检测技术,并分析了这些技术的优缺点,在此基础上提出了基于大数据的网络异常行为建模方法并分析了可行性。通过聚类算法识别偏离正常的流量,并对偏离流量的异常程度排序,采用基于阈值的方法将异常度高的流量标记为网络异常行为,目前已有的研究成果,为本文的可行性提供了可靠支持。

引用

页码：6 / 10

页数：5

共 12 条

[1] 在线自适应网络异常检测系统模型与算法 [J].

魏小涛 ;

黄厚宽 ;

田盛丰 .

计算机研究与发展, 2010, 47 (03) :485-492

[2] 一种基于时间序列的自适应网络异常检测算法 [J].

吕军晖 ;

周刚 ;

金毅 .

北京航空航天大学学报, 2009, 35 (05) :636-639

[3] 自适应变异粒子群算法及在输电网规划中的应用 [J].

李如琦 ;

周媛媛 .

广东电力, 2008, 21 (12) :18-22

[4]

RT-MOVICAB-IDS: Addressing real-time intrusion detection[J] . álvaro Herrero,Martí Navarro,Emilio Corchado,Vicente Julián.Future Generation Computer Systems . 2013 (1)

[5]

HMMPayl : An intrusion detection system based on Hidden Markov Models[J] . Davide Ariu,Roberto Tronci,Giorgio Giacinto.Computers & Security . 2011 (4)

[6]

Intrusion detection for mobile devices using the knowledge-based, temporal abstraction method[J] . Asaf Shabtai,Uri Kanonov,Yuval Elovici.The Journal of Systems & Software . 2010 (8)

[7]

McPAD: A multiple classifier system for accurate payload-based anomaly detection[J] . Roberto Perdisci,Davide Ariu,Prahlad Fogla,Giorgio Giacinto,Wenke Lee.Computer Networks . 2008 (6)

[8]

RT-UNNID: A practical solution to real-time network-based intrusion detection using unsupervised neural networks[J] . Morteza Amini,Rasool Jalili,Hamid Reza Shahriari.Computers & Security . 2006 (6)

[9]

A new intrusion detection system using support vector machines and hierarchical clustering[J] . Latifur Khan,Mamoun Awad,Bhavani Thuraisingham.The VLDB Journal . 2007 (4)

[10]

ADAM[J] . Daniel Barbará,Julia Couto,Sushil Jajodia,Ningning Wu.ACM SIGMOD Record . 2001 (4)

← 1 2 →