基于高阶累积量配准的网络异常流量识别算法

桑园

摘要：在大规模集成互联网络中，需要对网络流量进行异常检测和识别，以保障网络安全。利用高阶累积量对干扰的统计独立性，提出一种基于高阶累积量配准的网络异常流量识别算法。首先进行了网络异常流量的统计信号模型构建，分析了高阶累积量检测方法原理，然后采用自适应陷波器级联方法进行流量的干扰抑制和降噪分离，结合高阶累积量配准方法实现异常流量识别算法的改进。仿真实验表明，采用该算法进行网络流量异常识别，具有较好的幅频响应性能，提高了准确识别概率，检测性能优于传统算法。

关键词：高阶累积量；网络流量；流量识别：网络安全

DOIDOI：10.11907/rjdk.161246

中图分类号：TP312文献标识码：A文章编号：1672-7800（2016）006-0033-03

参考文献：

[1]杨雷，李贵鹏，张萍.改进的Wolf一步预测的网络异常流量检测[J].科技通报，2014，30（2）：47-49.

[2]李振刚.基于高斯过程回归的网络流量预测模型[J].计算机应用，2014，34（5）：1251-1254.

[3]陆兴华，陈平华.基于定量递归联合熵特征重构的缓冲区流量预测算法[J].计算机科学，2015，42（4）：68-71.

[4]KOLHE J P，SHAHEED M，CHANDAR T S，et al.Robust control of robot manipulators based on uncertainty and disturbance estimation[J].International Journal of Robust and Nonlinear Control，2013，23（1）：104-122.

[5]YUNTONG LIU.K-pruning algorithm for semantic relevancy calculating model of natural language[J].Journal of Theoretical and Applied Information Technology，2013，48（3），231-235.

[6]马友忠，孟小峰.云数据管理索引技术研究[J].软件学报，2015，26（1）：145-166.