一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法

一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法

ID:30506166

大?。?.62 MB

頁數(shù):14頁

時間:2018-12-30

一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法_第1頁
一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法_第2頁
一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法_第3頁
一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法_第4頁
一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法_第5頁
資源描述:

《一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫。

1、萬方數(shù)據(jù)第37卷第1期計算機學報v01.37No.12014年1月CHINESEJOURNALOFCOMPUTERSJan.2014一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法陸悠¨’2’李偉¨羅軍舟"蔣健”夏怒1”(東南大學計算機科學與工程學院南京210096)2’(蘇州科技學院電子與信息工程學院江蘇蘇州215000)摘要為了快速準確檢測網(wǎng)絡用戶的異常行為,機器學習技術得到了廣泛應用.但隨著用戶規(guī)模的擴大及用戶行為的復雜化,基于機器學習的傳統(tǒng)檢測方法面臨著大量標記訓練樣本而導致的巨大開銷、實際網(wǎng)絡用戶異常行為數(shù)據(jù)非平衡性而導致

2、的檢測準確性不足等問題.因此,將選擇性集成技術引入到協(xié)同學習過程中,提出了一種基于選擇性協(xié)同學習的網(wǎng)絡用戶異常行為檢測方法,使用基于多數(shù)類分布的改進EasyEnsemble方法將非平衡訓練樣本劃分為平衡的樣本子集,然后使用基于混合擾動的生成方法構(gòu)造差異性成員分類器對樣本子集進行協(xié)同學習,在學習過程中使用選擇性集成進行置信度計算與數(shù)據(jù)更新以減少開銷,并基于準確性選擇構(gòu)建集成分類器用于實際檢測,使得檢測方法在獲得非平衡性復雜分布數(shù)據(jù)的處理能力的同時進一步提高檢測準確性.實驗結(jié)果表明,該方法較傳統(tǒng)方法減少了對訓練樣本中標記數(shù)據(jù)的需求,同時

3、在準確性評價指標上表現(xiàn)更好,能更快速準確地檢測出網(wǎng)絡用戶的異常行為.關鍵詞網(wǎng)絡用戶異常行為檢測;協(xié)同學習;選擇性集成學習;支持向量機;機器學習中圖法分類號TP301DOI號10.3724/SP.J.1016.2014.00028ANetworkUser’SAbnormalBehaviorDetectionApproachBasedonSelectiveCollaborativeLearningLUYoul’’2’LIWeil’LUOJun~Zhou¨JIANGJianl’XIANul’1’(SchoolofComputerScien

4、ceandEngineering,SoutheastUniversity.Nanjing210096)”(SchoolofElectronicandInformationEngineering,SuzhouUniversityofScienceandTechnology,Suzhou,Jiangshu215000)AbstractMachinelearningtechniqueshavebeenwidelyusedinmethodsofnetworkuser’Sabnormalbehaviordetection.Withthedev

5、elopmentofnetwork。traditionaldetectionmethodscannotdetectabnormalbehavioraccuratelyandquicklyfortheirshortcomingssuchascannotdealwithunbalancedtrainingdata,hugedemandfortrainingdata’SlabelandSOon.Sothispaperproposesadetectionmethodbasedonselectivecollaborativelearning.

6、ItusesimprovedEasyEnsemblealgorithmtogeneratebalancedtrainingdata.Toimprovetheaccuracyandreducethecostoftraining,thismethodusesmixedperturbationalgorithmtoconstructdifferentiatedmemberclassifiersandusesselectivecollaborativelearningmethodtotrainthem.Finallythismethodbu

7、ildsensembleclassifieraccordingmemberclassifiers’accuracy.Experimentsshowedthismethodcanquicklyandaccuratelydetectabnormalbehaviorwhilereducingthedemandforlabeledtrainingdata.Keywordsabnormaluserbehaviordetection;collaborativelearning;selectiveensemblelearning;SVM;mach

8、ine1earning收稿日期:2013—04—16;最終修改稿收到日期:2013-1卜20.本課題得到國家“九七三”重點基礎研究發(fā)展規(guī)劃課題(2010CB328104)、國家自然科學基金(61070158,61003257,6107

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。