結合可視化與機器學習的網(wǎng)絡異常檢測技術研究.pdf

1、隨著網(wǎng)絡技術的不斷發(fā)展，互聯(lián)網(wǎng)的普及率以及網(wǎng)民的數(shù)量的不斷攀升，給人們的學習和日常生活帶來了極大的便利。與此同時，針對網(wǎng)絡的攻擊手段日益復雜，網(wǎng)絡攻擊軟件日趨多樣，網(wǎng)絡安全面臨著十分嚴峻的挑戰(zhàn)。異常檢測技術可以檢測網(wǎng)絡中的異常行為，保護網(wǎng)絡的安全。
　　現(xiàn)階段機器學習方法是異常檢測的主流，其方法本身固有的優(yōu)勢有：在數(shù)學上的堅實基礎、較之人有相對快速的學習速度、便于知識積累、學習結果易于傳播?；谝陨显?，機器學習技術在異常檢測方面

2、具有先天的優(yōu)越性。但是機器學習還存在可理解性不強、學習周期長、計算量大等問題。
　　另外一方面，可視化技術存在以下優(yōu)勢：首先是可理解性強，信息能夠直接為大腦接受；其次是人眼可以高速并行獲取外界知識，之后在大腦層面進行高速處理，對于圖形的感知大大強于對數(shù)據(jù)的感知；最后是具有超強的模式識別能力?？梢暬夹g的缺點是對過量數(shù)據(jù)的識別容易造成“過載”的情況，造成效果的不理想。
　　我們希望在使用機器學習技術的基礎之上，增加方法的可理解

3、性，便于對異常進行檢測。
　　基于以上原因，本文結合機器學習與可視化技術，開展網(wǎng)絡異常檢測技術研究。具體創(chuàng)新點如下：
　　?提出了一種結合平行坐標系和信息增益的異常檢測方法。平行坐標能夠?qū)⒏呔S數(shù)據(jù)展示在平面中，基于信息增益的特征選擇方法選擇最有價值的特征來決定平行坐標系的若干條縱軸，減少了展示的軸數(shù)，使樣本的空間表示更加簡潔，使樣本的可視化表示更加顯著。通過實驗驗證了該方法的有效性。
　　?提出了一種結合象素螺旋排列和