-
题名不平衡数据集下的数据中心网络流量异常检测
- 1
-
-
作者
王光明
李冬青
蒋从锋
-
机构
杭州电子科技大学云技术研究中心
-
出处
《计算机工程》
北大核心
2025年第8期227-237,共11页
-
基金
国家自然科学基金面上项目(61972118)。
-
文摘
数据中心作为信息化时代的重要基础设施,承载着各类关键信息服务。目前,数据中心是网络攻击的主要攻击目标。为了提高网络安全,提出数据中心网络流量异常检测方法。研究内容包括特征选择、不平衡数据集分类和异常流量检测。首先,提出了一种处理不平衡数据集的分类方法,通过基于集成的特征选择和混合采样算法提高分类性能;其次,引入基于随机森林(RF)和LightGBM的流量异常检测方法,充分利用它们在处理不平衡数据和噪声抵抗方面的优势。在CSE-CIC-IDS2018公开数据集上进行验证,实验结果表明,所提方法具有较高的精确率和召回率,在15种流量类型中有9种类型的分类精确率都高于90%,并且有13种类型的分类精确率都在74%以上,对提高数据中心安全、保障服务质量和改善网络流量异常检测具有重要意义。
-
关键词
数据中心
网络流量
异常检测
不平衡数据集
集成学习
-
Keywords
data center
network traffic
anomaly detection
imbalanced dataset
ensemble learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
