改进的Wolf一步预测的网络异常流量检测

摘要

在网络预测算法中传统的预测几乎都没有考虑流量的自相似性和高斯性,仅仅利用最大Lyapunov指数进行计算机网络流量的混沌性检验,对网络流量的预测也仅仅是以计算得到的最大Lyapunov指数为前提,算法精度受限。提出一种改进的Wolf一步预测算法,对网络流量通过自相似的FGN(FGN,fractional gaussian noise)过程处理,得到替代原网络流量的新的序列,新的替代流量序列具有自相似性,从而进行预测。仿真结果准确检验了网络流量的混沌性,预测结果表明,改进的预测算法在略有缩短最大预报时间下,精度却高很多,预测的误差小于3%的点比例比原传统算法提高了20%以上。