一种基于时间序列挖掘的网络异常流量自动检测方法

    公开(公告)号:CN111835738B

    公开(公告)日:2021-09-24

    申请号:CN202010611946.7

    申请日:2020-06-30

    Abstract: 本发明涉及一种基于时间序列挖掘的网络异常流量自动检测方法,属于数据挖掘、大数据分析与模式识别技术领域,包括数据导入、形成初始时间序列模型、数据切分获得数据子序列、利用快速学习方法得到待检测数据子序列的最优前后松弛空间、计算各数据子序列之间的距离并得到数据子序列相似矩阵、计算异常程度得分,比较判断等步骤。通过标准的数据接入接口,数据导入模块将标准的网络流量数据进行数据值读取,方便地实现数据导入与数据的标准化,转化为时间序列模型,简化了数据采集方式,本发明利用提出的时间序列异常数据检测方法从多个数据维度研究并分析得出异常流量序列,降低了数据的复杂性,同时保留了网络流量原始数据的时间联系性特征。

    一种基于时序分析技术的网络异常流量检测方法及其系统

    公开(公告)号:CN112685473A

    公开(公告)日:2021-04-20

    申请号:CN202011595470.9

    申请日:2020-12-29

    Inventor: 展鹏 许浩然

    Abstract: 本发明涉及一种基于时序分析技术的网络异常流量检测方法及其系统,属于网络流量数据研究技术领域,包括以下步骤:采用定时同步任务的方式采集数据中心上存储的计算机设备网络流量数据;对采集到的原始网络流量数据进行预处理,以降低网络流量异常检测分析数据处理的复杂度;将预处理后的网络流量数据存入数据库;对网络流量数据进行异常流量检测;将步骤4检测得到的异常流量存入异常流量特征库中。本发明可以实现对网络流量的高效、精确的异常检测分析。

    一种基于时间序列挖掘的网络异常流量自动检测方法

    公开(公告)号:CN111835738A

    公开(公告)日:2020-10-27

    申请号:CN202010611946.7

    申请日:2020-06-30

    Abstract: 本发明涉及一种基于时间序列挖掘的网络异常流量自动检测方法,属于数据挖掘、大数据分析与模式识别技术领域,包括数据导入、形成初始时间序列模型、数据切分获得数据子序列、利用快速学习方法得到待检测数据子序列的最优前后松弛空间、计算各数据子序列之间的距离并得到数据子序列相似矩阵、计算异常程度得分,比较判断等步骤。通过标准的数据接入接口,数据导入模块将标准的网络流量数据进行数据值读取,方便地实现数据导入与数据的标准化,转化为时间序列模型,简化了数据采集方式,本发明利用提出的时间序列异常数据检测方法从多个数据维度研究并分析得出异常流量序列,降低了数据的复杂性,同时保留了网络流量原始数据的时间联系性特征。

    一种基于时序分析技术的网络异常流量检测方法及其系统

    公开(公告)号:CN112685473B

    公开(公告)日:2022-07-05

    申请号:CN202011595470.9

    申请日:2020-12-29

    Inventor: 展鹏 许浩然

    Abstract: 本发明涉及一种基于时序分析技术的网络异常流量检测方法及其系统,属于网络流量数据研究技术领域,包括以下步骤:采用定时同步任务的方式采集数据中心上存储的计算机设备网络流量数据;对采集到的原始网络流量数据进行预处理,以降低网络流量异常检测分析数据处理的复杂度;将预处理后的网络流量数据存入数据库;对网络流量数据进行异常流量检测;将步骤4检测得到的异常流量存入异常流量特征库中。本发明可以实现对网络流量的高效、精确的异常检测分析。

Patent Agency Ranking