面向不平衡数据的网络流量异常检测方法

摘要

针对小流量攻击样本稀少导致特征提取准确性低进而影响检测性能的问题,提出一种面向不平衡数据的网络流量异常检测方法。设计流量异常检测模型:变换堆叠降噪自编码器(Stacked DenoisingAutoencoder,SDA)激活函数、结构、噪声比例及dropout率,学习不同特征空间流量特征,解决单一空间小流量攻击特征提取准确性低的问题;设计批标准化算法,采用Adam算法训练SDA参数,提取多样性流量特征;联合所提特征对Softmax进行训练,提高小流量攻击检测精度。实验结果表明:相比随机森林、单SDA和现有特征融合方法,所提方法分类准确率和小流量攻击检测率较高,且检测性能稳定。