基于改進(jìn)的鄰近點(diǎn)異常檢測(cè)算法的異常檢測(cè)系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著人們對(duì)于計(jì)算機(jī)網(wǎng)絡(luò)服務(wù)的需求與日俱增，網(wǎng)絡(luò)技術(shù)日益發(fā)展，因此網(wǎng)絡(luò)規(guī)模變得越發(fā)復(fù)雜，每日的網(wǎng)絡(luò)流量也急劇增長(zhǎng)。而在這樣一個(gè)龐大而且復(fù)雜的模型面前，遇到了許多異常問(wèn)題，比如過(guò)大的網(wǎng)絡(luò)流量超過(guò)服務(wù)器緩沖區(qū)負(fù)載導(dǎo)致系統(tǒng)崩潰，惡意用戶利用各種方法攻擊和入侵服務(wù)器等。不同的異常情況會(huì)給系統(tǒng)帶來(lái)不同的損失，輕則降低系統(tǒng)性能，重則使系統(tǒng)崩潰，丟失重要數(shù)據(jù)。所以為了保證網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定性，安全性和高效性，需要避免這些異常情況的發(fā)生。
　　本文深入

2、分析LOF鄰近點(diǎn)異常檢測(cè)算法，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)其兩點(diǎn)不足，一是當(dāng)數(shù)據(jù)維度之間存在擬線性關(guān)系時(shí)異常值的計(jì)算不合理，根據(jù)該不足，提出利用馬氏距離代替?zhèn)鹘y(tǒng)的歐氏距離，解決了該問(wèn)題，并利用線性變換使算法時(shí)間復(fù)雜度與之前相同。二是當(dāng)數(shù)據(jù)中存在兩個(gè)不同密度的集群，并且兩個(gè)集群在多維空間位置上相鄰時(shí)對(duì)于相鄰的邊緣數(shù)據(jù)點(diǎn)出現(xiàn)許多誤報(bào)的情況，針對(duì)該不足，提出局部影響集合的概念，利用反最近鄰集合與最近鄰集合結(jié)合使用，解決了該問(wèn)題。相比于傳統(tǒng)的LOF算法，本文提