基于社区发现的网络异常检测方法

作者:钱爱娟; 樊昕; 董笑菊; 褚衍杰; 袁晓如
更新时间:

随着互联网的不断普及和网络通信技术的不断进步,网络逐渐进入人们生活的各个层面,越来越多的网络应用应运而生。另一方面,随着当前网络结构的日益复杂,会引发各种网络安全问题,对社会构成巨大威胁和挑战,网络安全非常重要。其中,网络异常检测一直受到研究者的广泛关注。多年来,尽管许多异常检测工作能够在一定程度上发现和抵御网络攻击,但考虑到许多场景需要模型可解释性,有些方法很难应用于未标记的数据集,有些方法训练成本太高,无法应用于实时场景,本文提出了一种基于可视分析社区发现的网络异常检测方法,该方法首先使用多层常量玻茨模型(CPM)算法检测移动时间窗口中的网络数据社区,以社区为单位提取特征向量,然后使用社区匹配方法关联相邻时间步的社区,该方法不仅将网络数据的特征视为一个动态图,而且可以以更合适的粒度提取特征。此外,系统还提供了一个可视化界面,帮助用户确认异常点关联异常事件前后的网络状况。2013年在Vast Challenge挑战3的NetFlow数据集上进行的实验表明,该方法可以有效地检测出更细微的网络异常,并验证了该方法的有效性