基于ME-PGNMF的異常流量檢測(cè)方法

　　由于部分網(wǎng)絡(luò)異常對(duì)流量變化影響不明顯，流量分析難以發(fā)現(xiàn)此類異常。傳統(tǒng)基于主成分分析的網(wǎng)絡(luò)異常流量檢測(cè)方法追求全局最優(yōu)解，對(duì)局部特征提取不充分，導(dǎo)致對(duì)連續(xù)異常不敏感，降低了異常流量的檢測(cè)精度，且物理意義不明確。針對(duì)上述問題，在多維信息熵的基礎(chǔ)上，提出梯度投影非負(fù)矩陣分解異常流量檢測(cè)方法。將流量數(shù)據(jù)處理為多維特征熵矩陣，用梯度投影非負(fù)矩陣分解方法重構(gòu)多維熵矩陣，分離出正常和異常子空間，采用多元統(tǒng)計(jì)過程控制方法中的Q圖檢測(cè)異常。實(shí)驗(yàn)結(jié)果表明，與以流量分析為基礎(chǔ)的主成分分析方法、傳統(tǒng)非負(fù)矩陣分解方法相比，該方法能更快、更準(zhǔn)確地檢測(cè)出連續(xù)異常，對(duì)流量變化不敏感的低速分布式拒絕服務(wù)攻擊檢測(cè)效果明顯提高，對(duì)蠕蟲攻擊更加敏感。