基于最大频繁项的数据流异常检测

摘要

为了解决网络异常数据检测由于数据流的高速和无限范围的特点而无法构建模型的问题,文章设计了一种基于最大频繁项(MFI)的数据流异常检测算法,构建了数据挖掘的异常数据检测模型,基于多维数据的最大频繁模式挖掘算法(Max FP-Tree算法),提出了Max FP-Tree NDS算法,根据其定义和性质,对上述提出的算法进行了改进,最后验证了Max F P-Tree算法和Max FP-Tree NDS算法对异常数据的检出率。该研究分析了多维Max FP-Tree NDS算法的异常数据处理时间和节点维护情况。结果表明,该研究改进的Max FP-Tree算法能够有效提高异常入侵数据的检测率,未知异常预警率从17.6%提高到21.9%,异常误报率从9.42%降低到7.6%。Max FP-Tree NDS算法对异常数据的处理时间随着数据集的增加而变慢,维护的节点数随着数据集的增加先增加后减少。