基于大数据技术的网络异常行为检测模型
来源：计算机测量与控制杂志2020年第3期北京时间：
作者：刘建兰,覃仁超,何梦乙,熊健
摘要：针对传统的网络异常检测受数据存储、处理能力的限制,存在准确率较低、误报率较高以及无法检测未知攻击的问题。在Spark框架下结合改进的支持向量机和随机森林算法,提出了一种基于大数据技术的网络异常行为检测模型。使用NSL-KDD数据集进行了方法验证,表明该方法在准确率和误报率方面明显优于传统的检测算法,整体检测的准确率和误报率分别为96.61%和2.92%,DOS、Probe、R2L和U2R四种攻击类型的准确率分别达到98.01%、88.29%、94.03%和66.67%,验证了方法的有效性。
关键词：大数据技术;网络异常行为;支持向量机;随机森林;模拟退火
基金资助：四川省教育厅(17zd1119),四川省教育厅(18sxb022),四川省组织部(17sjjg02)。
