一种面向数据核特征的复杂网络异常检测算法

摘要

针对传统异常检测算法存在复杂小样本情况下训练精度高,预测精度低的过拟合缺陷,出现误报和漏报现象,提出一种面向数据核特征的复杂网络异常检测算法。网络异常数据核特征判别技术是一种针对复杂小样本异常特征的线性判别的非线性扩展。算法根据最大化网络复杂异常类间离散度和最小化类内离散度的准则,寻找原始向量的最优投影方向,使各异常数据类之间最大程度地分离,从而达到正确的检测。仿真实验结果表明,本文的方法相对于传统的支持向量机法和高斯混合模型方法,具有较高的识别率和较快的训练速度。