[发明专利]一种基于SVM的网络流量异常检测方法

摘要

本发明公开一种基于SVM的网络流量异常检测方法，其包括：读取历史网络流量数据；提取历史网络流量数据的网络流量特征；将网络流量特征进行数据标准化；对网络流量特征进行约简，得到精简优化的特征子集；利用SVM对最优特征子集进行训练，得到SVM分类器；对处理后的在线的测试网络流量数据加入SVM分类器中，用SVM分类器计算，得到最终的分类结果，判定处理后的在线的测试网络流量数据是否为异常网络流量数据。与现有技术相比，本发明用PCA‑TS方法对网络流量特征数据进行特征约简降维，并选择最优的特征子集。避免了“维数灾难”带来分类检测时间长、效率低、占用更大的储存空间的问题；而且为后续处理降低处理时间，提高了分类器的分类精度。

主权项

一种基于SVM的网络流量异常检测方法，其特征在于，该方法包括以下步骤：步骤S1，读取历史网络流量数据；步骤S2，提取所述历史网络流量数据的网络流量特征；步骤S3，将所述网络流量特征进行数据标准化；步骤S4，对所述网络流量特征进行约简，得到精简优化的特征子集；步骤S5，利用SVM对所述最优特征子集进行训练，得到SVM分类器，即最优分类超平面；步骤S6，对处理后的在线的测试网络流量数据加入所述SVM分类器中，用所述SVM分类器计算，得到最终的分类结果，判定处理后的在线的测试网络流量数据是否为异常网络流量数据。