結(jié)合可視化與機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)異常檢測(cè)技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)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(xué)習(xí)和日常生活帶來了極大的便利。與此同時(shí)，針對(duì)網(wǎng)絡(luò)的攻擊手段日益復(fù)雜，網(wǎng)絡(luò)攻擊軟件日趨多樣，網(wǎng)絡(luò)安全面臨著十分嚴(yán)峻的挑戰(zhàn)。異常檢測(cè)技術(shù)可以檢測(cè)網(wǎng)絡(luò)中的異常行為，保護(hù)網(wǎng)絡(luò)的安全。
　　現(xiàn)階段機(jī)器學(xué)習(xí)方法是異常檢測(cè)的主流，其方法本身固有的優(yōu)勢(shì)有：在數(shù)學(xué)上的堅(jiān)實(shí)基礎(chǔ)、較之人有相對(duì)快速的學(xué)習(xí)速度、便于知識(shí)積累、學(xué)習(xí)結(jié)果易于傳播。基于以上原因，機(jī)器學(xué)習(xí)技術(shù)在異常檢測(cè)方面

2、具有先天的優(yōu)越性。但是機(jī)器學(xué)習(xí)還存在可理解性不強(qiáng)、學(xué)習(xí)周期長(zhǎng)、計(jì)算量大等問題。
　　另外一方面，可視化技術(shù)存在以下優(yōu)勢(shì)：首先是可理解性強(qiáng)，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(shí)，之后在大腦層面進(jìn)行高速處理，對(duì)于圖形的感知大大強(qiáng)于對(duì)數(shù)據(jù)的感知；最后是具有超強(qiáng)的模式識(shí)別能力?？梢暬夹g(shù)的缺點(diǎn)是對(duì)過量數(shù)據(jù)的識(shí)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(jī)器學(xué)習(xí)技術(shù)的基礎(chǔ)之上，增加方法的可理解

3、性，便于對(duì)異常進(jìn)行檢測(cè)。
　　基于以上原因，本文結(jié)合機(jī)器學(xué)習(xí)與可視化技術(shù)，開展網(wǎng)絡(luò)異常檢測(cè)技術(shù)研究。具體創(chuàng)新點(diǎn)如下：
　　?提出了一種結(jié)合平行坐標(biāo)系和信息增益的異常檢測(cè)方法。平行坐標(biāo)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(jià)值的特征來決定平行坐標(biāo)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(jiǎn)潔，使樣本的可視化表示更加顯著。通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
　　?提出了一種結(jié)合象素螺旋排列和