本文選題：邏輯回歸 + 機器學習�。� 參考：《工程數(shù)學學報》2017年05期

【摘要】：網(wǎng)絡流量作為異常檢測的基本數(shù)據(jù)源,其行為特征的準確描述,是網(wǎng)絡異常行為實時檢測的重要依據(jù).本文針對流量異常檢測問題,提出了一種基于邏輯回歸模型的網(wǎng)絡流量異常檢測方法.通過分析源IP、目的 IP等多個網(wǎng)絡流量基本特征,構(gòu)造了網(wǎng)絡異常行為和正常行為的訓練機,并且在此基礎(chǔ)上采用邏輯回歸建立起網(wǎng)絡異常流量挖掘模型.利用實驗室所采集的真實網(wǎng)絡流量對所構(gòu)建的模型進行檢測,以驗證該模型的有效性.實驗結(jié)果表明本文所建立的網(wǎng)絡模型在異常流量挖掘方面準確度高、實時性好.
[Abstract]:As the basic data source of anomaly detection, the accurate description of the behavior characteristics of network traffic is an important basis for real-time detection of network abnormal behavior. In this paper, a network traffic anomaly detection method based on logical regression model is proposed. By analyzing the basic characteristics of network traffic, such as source IPand destination IP, a network abnormal behavior and normal behavior training machine is constructed, and a network abnormal traffic mining model is established by using logical regression. In order to verify the validity of the model, the real network traffic collected by the laboratory is used to detect the model. The experimental results show that the network model established in this paper has high accuracy and good real-time performance in abnormal traffic mining.
【作者單位】： 西安理工大學高等技術(shù)學院;陜西省地方稅務局;西北大學信息科學與技術(shù)學院;
【基金】：中國博士后科學基金(2014M560801) 陜西省自然科學基礎(chǔ)研究計劃項目(2014JQ8327)~~
【分類號】：TP393.06

【相似文獻】

相關(guān)期刊論文 前2條

1 吳敏;何瓏;;融合多特征的產(chǎn)品垃圾評論識別[J];微型機與應用;2012年22期

2 齊超;陳鴻昶;于巖;;基于行為分析的微博信息傳播效果[J];計算機應用;2014年08期

相關(guān)碩士學位論文 前1條

1 粟武林;一種基于邏輯回歸的微博用戶可信度評估方法[D];河北大學;2015年

，

本文編號：1969024