本发明公开了一种基于联合特征选择的网络流量异常检测方法,主要解决现有网络流量异常检测方法检测准确率低及性能较差的问题,其方案包括:采集网络流量数据,进行数据预处理;对预处理后的网络流量数据进行特征选择,得到相关性最大和互信息最大的特征序列集合;对两个特征序列集合进行特征集成,得到特征筛选集合;利用特征筛选集合对网络流量数据进行特征筛选,并生成训练样本集和测试样本集;构建随机森林分类模型,并对其进行训练;将测试样本集输入到训练好的随机森林分类模型中,得到检测结果。本发明由于综合考虑了属性特征和类别特征的相关性和互信息,提高了检测准确率和性能,可用于故障检测、恶意软件检测、数据外泄及恶意挖矿。
声明:
“基于联合特征选择的网络流量异常检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)