公开(公告)号：CN110851422A

公开(公告)日：2020-02-28

申请号：CN201911078822.0

申请日：2019-11-06

Applicant: 国家计算机网络与信息安全管理中心山西分中心

Inventor： 刘泳锐 ,  李建强 ,  安黎东 ,  李华 ,  杜猛 ,  温海滨 ,  高志腾 ,  王相

IPC: G06F16/21 ,  G06F16/28 ,  G06F21/32 ,  G06K9/00

Abstract: 本发明涉及一种基于机器学习的数据异常监测模型构建方法，考虑到单一特征分析结果的片面性和不足，在对平台业务数据的分析中，引入了皮尔逊相关系数和方差扩大因子来对不同特征进行特征提取，提取出合适的特征数据进入聚类模型，对提升模型准确率有很大的提升；并且针对聚类模型，选用K-means算法的改进算法I-K-means算法模型，由于设计的主要目的是做异常处理，所以该算法不用将聚类进行到底再找异常，相比较于其它原始算法速度较快；综上基于机器学习建立的模型具有自学习、自演化的特性，可以适应复杂多变的网络环境，能够检测出未知异常，满足实时准确的需求。