基于不平衡多示例学习的异常数据流分类检测方法及装置

本发明公开了一种基于不平衡多示例学习的异常数据流分类检测方法及装置，涉及网络安全技术领域。方法包括：将网络流量划分为正包集合和负包集合；对正包集合中的所有正包进行过采样操作，得到扩充后的新的正包集合；对负包集合中的所有负包进行欠采样操作，得到缩减后的新的负包集合；基于成本权重和类别权重构建代价敏感损失函数；根据代价敏感损失函数构建分类器；对分类器进行训练，根据每一轮训练的漏报数和误报数，更新分类器的成本权重；用优化后的分类器对网络流量进行识别。本发明能够高效且准确地检测网络流量中的异常数据流。