[发明专利]一种全网络异常数据流分类方法

摘要

本发明公开了一种全网络异常数据流分类方法，包括以下步骤：步骤一：对全网络数据流量进行异常数据流量抽取，并输出异常数据流量中的异常数据流的集合；步骤二：计算异常数据流按包计数时的异常数据流大小的平均值(其中1≤p≤i)，计算异常数据流按照字节计数时的包大小的平均值(其中1≤p≤i)，提取异常数据流的至少一个特征，并统计提取的特征的分布熵H，以及各特征的分布熵H为坐标值，将异常数据流特征向量化，形成多维空间的点集；步骤三：将点集根据Canopy方法进行粗聚类，得到聚类中心以及中心点的个数K值；步骤S4：根据聚类中心以及K值采用K‑means计算方法将特征向量化后的异常数据流进行细聚类，最终得到异常数据流的精确分类结果。

主权项

1.一种全网络异常数据流分类方法，所述方法用于对抽取的计算机网络数据流量中的异常数据流进行分类，其特征在于，包括以下步骤：步骤S1：对全网络数据流量进行异常数据流量抽取，并输出异常数据流量中的异常数据流的集合{S1、S2、…、Si}；步骤S2：计算所述异常数据流按包计数时的异常数据流的大小的平均值其中1≤p≤i，计算所述异常数据流按照字节计数时的包的大小的平均值其中1≤p≤i，提取所述异常数据流的至少一个特征，并分别统计提取的特征的分布熵H，以所述的以及各特征的分布熵H作为坐标值，将所述异常数据流进行特征向量化，形成多维空间中的点集；步骤S3：将所述的点集根据Canopy计算方法进行粗聚类，得到聚类中心以及所述聚类中心的中心点的个数K值；步骤S4：根据所述聚类中心以及所述K值采用K‑means计算方法将所述特征向量化后的异常数据流进行细聚类，最终得到异常数据流的精确分类结果。