基于机器学习的粗细粒度混合网络异常检测方法及装置

摘要

本发明公开了一种基于机器学习的粗细粒度混合的网络异常检测方法及装置，先用粗粒度算法如孤立森林模型算法检测部分样本，充分利用粗粒度算法无需距离测量的特征以节约计算成本，再用细粒度如Kmeans算法对难以区分的样本进行测量，提高正确率。本发明解决了异常检测中准确率与运算成本难以权衡的问题，大多数情况下仅用粗粒度就能够判别出样本是否异常，直接输出结果；对于少部分无法准确判别的样本采用粗细粒度混合方法检测，以提高准确性。