基于信息流和状态流融合的工况网络异常流量检测方法

摘要

工况网络异常检测中，依据信息最短路径原理，异常流量节点输入后生成的标签缺失节点信息，导致异常分数计算偏差，Acc值大幅波动，降低检测准确性。因此，设计了基于信息流和状态流融合的工况网络异常流量检测方法。根据信息流随机传播与最短路径传播原理，建立信息流与状态流融合的异常工况检测网络，获取节点遍历检测网络的平均概率。定义异常工况检测网络的属性集合，在信息流和状态流融合条件下，对属性集合进行邻居加权，分配网络异常检测标签。根据上行流量、下行流量、数据包等信息状态，计算工况网络异常流量检测标签异常分数，从而实现工况网络异常流量的精准检测。最终的检测结果显示，在迭代次数达到60次时，DoS Golden Eye 、FTP-Patator 、DDoS 等数据集的Acc值趋于稳定，且Acc值大于90%，异常流量检测的准确性较高，对于提高网络安全具有重要作用。