对等覆盖网络传输层异常流量模糊识别仿真

摘要

传统的异常流量识别方法存在识别效率较低、误报率较高等问题,提出基于改进极端随机树的对等覆盖网络传输层异常流量模糊识别方法.分别计算不同特征的信息增益率,得到维度较低的特征集.引用随机训练方法对分类模型进行训练,获取应用于重采样数据分类的最优分类器进行网络传输层流量分类.根据分类结果构建异常流量的统计信号模型,将信号处理方法与高阶量检测算法两者相结合,利用幅频响应特征进行配准,实现对等覆盖网络传输层异常流量识别.实验结果表明,所提方法能够有效提高识别效率,降低误识率.