摘要
本发明涉及网络流量监测技术领域,具体公开了一种基于数据分析的异常网络流量监测方法,包括:实时采集网络中的流量数据;对采集的原始流量数据进行清洗;对清洗后的数据进行标准化处理;统计标准化后的数据的统计特征进行提取;通过自回归移动平均模型描述流量变化趋势,提取周期性特征,计算流量变化率;统计源I P与目的I P之间的连接数和连接持续时间均值,计算连接频率分布、并发度以及分析连接建立和断开模式;分析不同协议类型的流量占比,提取协议头部特定字段信息,对于应用层协议分析数据内容特征;构建异常流量监测模型,并在检测到异常流量时发出警报信息。本发明能够克服传统规则匹配方法难以覆盖新型攻击的缺陷。
技术关键词
网络流量监测方法
异常流量
网络关键节点
机器学习算法
长短期记忆网络
周期性特征
统计特征
支持向量机
协议
规则匹配方法
随机森林
边界路由器
网络拓扑结构
核心交换机
服务器集群
字段
警报
噪声数据
特征选择
系统为您推荐了相关专利信息
高速连接器
性能退化模型
历史运行数据
深度学习模型
多维特征向量
智能控制中心
智能电池管理
充电管理模块
电量监测模块
充电策略
待测水域
动态水质监测系统
分布算法
神经网络模型
无人船平台
生成方法
数据
生成对抗网络
机器学习算法
学习机