一种基于mRMR-SVM的空间信息网络数据流检测方法

摘要

空间信息网络中的异常数据流会快速消耗网络带宽、占用系统资源,使得网络通道堵塞,影响正常数据流的传输,无法保证网络安全运行。针对上述问题,提出一种基于最大相关与最小冗余-支持向量机mRMR-SVM的空间网络数据流检测方法。该方法提取与每种状态相关性最大、特征属性之间冗余最小的特征,采用加权欧氏距离和径向基核函数的SVM训练分类器,并通过粒子群算法优化分类器精度,以提高正常流量和异常流量识别的准确性。仿真结果表明,该方法比MADMAS、ARIMA-SVR方法的平均准确率提高了3.5百分点,误判率降低了8.7%。