基于特征库识别的集成网络异常流量提纯仿真

摘要

由于传统网络异常流量提纯算法在面对超大流量数据流的冲击时,无法在时间复杂度上对流量进行实时检测,导致网络异常数据无法被准确提取,存在提纯效率低的问题,提出了基于特征库识别的集成网络异常流量提纯.首先利用基于AC算法的特征库识别技术提取流量,建立特征库识别矩阵;其次,以流量频幅响应特征为基础,通过获取到的时间不可逆向量建立集成网络流量统计函数,以此完成集成网络流量统计,按照流量大小排列规律及特征变化趋势,以AC识别算法为基础完成对集成网络流量类型的划分,建立异常流量干扰抑制机制,并采用高斯随机变量聚类算法提纯获取到的异常流量.仿真结果表明,与传统方法相比,所提方法在提纯耗时和提纯精度上具有明显的优势,显示出了良好的提纯性能,进一步提升了提纯效率,具有可行性,为网络信息识别提供了新的方法.