[发明专利]一种面向网络异常数据流的分类检测方法

摘要

在面向大规模数据流的监控应用中，为了使管理更加高效，必须针对异常数据流的特征进行准确的在线识别。由于网络数据流在大规模网络实时环境中具有多维异构的特点，对异常数据流的挖掘必须使用较高的计算性能和较小的计算开销来满足所有符合匹配规则的异常数据流。本发明提出了一种面向异常数据流层次聚类挖掘算法，这种算法能够很好的适应多源异构环境下的异常流。挖掘算法主要包括两个部分，约束归并和层次聚类。算法将数据流进行嵌套层次聚类的同时进行约束归并，约束归并主要将聚类的数据流进行必连和不连约束并将约束进行闭包操作，防止类别间的过早聚类所产生分析误差。实验表明，该算法在挖掘异常数据流中相比其他分类检测算法具有较高的精确度。

主权项

1.一种面向网络异常数据流的分类检测方法，该方法包括：步骤一：对网络异常数据流开始分类检测，判断是否符合数据流约简要求，如果是，则执行步骤二；如果否，则返回；步骤二：使用自定义向量因子约简数据流集；步骤三：关联数据流集和约束控制矩阵，其关联关系为：C1＝X·Conj；然后通过定义的δ更新C1中的必连元组；步骤四：计算类间相似度并选出相似度最小的一对数据集，将该数据集合并为新的集合，移除原始数据流集，更新数据流集，并更新约束控制矩阵；步骤五：判断是否满足聚类停止条件，如果是，则输出异常流聚类树状图，结束算法分类检测过程，如果否，则返回步骤三；所述约束控制矩阵Conj(i,j)，Conj(i,j)的表示形式如下：其中d_ij为类间相似度测距，δ为约束控制标准；Conj(i,j)为1时x_i与x_j一定同一个簇,此时类间关系为必连；当Conj(i,j)为‑1时一定属于不同的簇，此时类间关系为不必连；其中，x_i和x_j表示不同的数据流簇集合。