基于改進的鄰近點異常檢測算法的異常檢測系統(tǒng)研究與實現(xiàn).pdf

1、隨著人們對于計算機網(wǎng)絡(luò)服務(wù)的需求與日俱增，網(wǎng)絡(luò)技術(shù)日益發(fā)展，因此網(wǎng)絡(luò)規(guī)模變得越發(fā)復(fù)雜，每日的網(wǎng)絡(luò)流量也急劇增長。而在這樣一個龐大而且復(fù)雜的模型面前，遇到了許多異常問題，比如過大的網(wǎng)絡(luò)流量超過服務(wù)器緩沖區(qū)負載導(dǎo)致系統(tǒng)崩潰，惡意用戶利用各種方法攻擊和入侵服務(wù)器等。不同的異常情況會給系統(tǒng)帶來不同的損失，輕則降低系統(tǒng)性能，重則使系統(tǒng)崩潰，丟失重要數(shù)據(jù)。所以為了保證網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定性，安全性和高效性，需要避免這些異常情況的發(fā)生。
　　本文深入

2、分析LOF鄰近點異常檢測算法，通過實驗發(fā)現(xiàn)其兩點不足，一是當數(shù)據(jù)維度之間存在擬線性關(guān)系時異常值的計算不合理，根據(jù)該不足，提出利用馬氏距離代替?zhèn)鹘y(tǒng)的歐氏距離，解決了該問題，并利用線性變換使算法時間復(fù)雜度與之前相同。二是當數(shù)據(jù)中存在兩個不同密度的集群，并且兩個集群在多維空間位置上相鄰時對于相鄰的邊緣數(shù)據(jù)點出現(xiàn)許多誤報的情況，針對該不足，提出局部影響集合的概念，利用反最近鄰集合與最近鄰集合結(jié)合使用，解決了該問題。相比于傳統(tǒng)的LOF算法，本文提