基于数学建模的网络数据流异常检测仿真

摘要

为了增强网络攻击防护,保护网络信息安全,需要进行网络数据流异常检测,以便于发现网络异常状态,及时进行修复,为此,提出基于数学建模的网络数据流异常检测方法。通过对网络数据流的分析,将其划分为周期性与随机性网络数据流两类,结合周期性数据流的数据包生成速度、数据包大小及传输延时,构建周期性网络数据流数学模型,利用泊松分布对随机性网络数据流进行建模;通过深度学习训练机对网络数据流正常与异常状态进行样本分析,引入逻辑回归模型,结合网络数据流模型对应的数据流特征实现异常检测。实验结果表明,该网络数据流异常检测方法的检测结果精准度及灵敏度高于实验对比方法,适用性较强,具有较好的鲁棒性。